医学图像分割技术是医学图像处理与分析领域的重要课题之一，也是近年来备受研究人员关注的热点问题。医学图像分割的目的是把图像中具有特殊含义的不同区域分割开来，并使分割结果尽可能的接近解剖结构，从而为临床诊疗和病理学研究提供可靠依据。由于人体解剖结构的复杂性、组织器官形状的不规则性及个体之间的差异性，一般图像分割方法直接应用于医学图像并不能得到理想分割效果，为此必须寻找一种有效的医学图像分割方法。 论文在回顾总结国内外医学图像分割方法相关文献的基础上，阐述了医学图像分割的目的、意义。根据医学图像自身特点和特殊应用需求，分析了基于模糊最大熵和基于形变模型两种医学图像自动分割方法，并从分割模型本身与算法执行效率两个方面，对存在的问题提出了改进方法，较好地解决了分割精确度与时间复杂度之间的矛盾。论文主要工作包括： 1．总结分析了现有的医学图像分割方法优缺点，并分析了完全自动分割方法对实际应用的重大意义。 2．针对传统模糊熵公式不满足区域一致性条件等问题，提出模糊加权熵公式，并证明了该公式能满足图像分割五个基本条件，解决了传统方法会导致图像细节被均衡的不足。提出一种对称型抛物线分布作为隶属函数，该分布可降低了参数的维数，提高了运算的效率。