超声图像是医学临床诊断的重要手段,具有无辐射、价格低廉等优点。然而,超声图像因成像原理存在着分辨率低、对比度低、斑点噪声干扰等固有问题。在临床诊断与治疗中,超声图像的精确分割是定量定性分析、精确引导治疗的基础。在超声图像分割中运用纹理信息,可以提高分割效果。水平集方法能够有效利用图像信息,贴近目标轮廓。本文利用Zemike矩对图像纹理特征进行提取,并结合水平集方法,对超声进行分割。本文首先提出了利用Zemike矩幅值与相位的特征提取方法。使用Zernike矩提取纹理特征,得到幅值和相位,分别通过相应的非线性变换器后构造特征向量,用支持向量机的方法进行分割,相比使用Gabor滤波器、仅使用Zernike矩幅值的方法,使用Zernike矩幅值与相位的方法误分割率最低,证实了Zernike矩相位含有有效的纹理信息。然后,本文对水平集方法进行了介绍,包括了了基于单演信号的GAC模型,基于灰度的C-V模型,这些模型针对超声图像的缺点提出了不同的解决方法。综合以上方法,提出了一种基于Zernike矩和水平集的超声图像分割方法。首先,利用9个具有不同阶数和重复度的Zernike矩提取超声图像的纹理特征,保留矩的幅值和相位,获得18个特征图,同时在每一特征图目标区域内外采样,利用采样值计算出特征图的权值：然后,将特征图与高斯算子进行卷积,计算其边缘检测函数,将所有特征图的边缘检测函数与对应的特征图权值相乘,所得结果之和即为该超声图像的边缘检测函数：最后,利用基于变分函数的水平集方法对超声图像进行分割。基于前列腺超声图像的实验结果显示,相比基于梯度的水平集和基于Zernike矩幅值的水平集方法,所提方法具有更高的分割精度,dice相似系数达到95%以上。并在三维图像上实现了本方法的分层演化,提高了分割算法的效率。