医学图像由于成像设备以及外界干扰等原因,使其变得更加复杂。而医学图像在医疗诊断中有着不可低估的作用,有效的图像有利于制定合理的医疗方案。虽然不断有新的理论方法被用于图像分割,但是相对于其他图像,医学图像更加复杂,所以如何得到更高效更精准的分割结果还需要大量的研究。水平集算法可以和很多算法进行拟合,对于含噪声、灰度不均匀以及多目标的医学图像具有较好的分割效果。主要研究内容和成果如下:1、首先介绍了水平集算法涉及到的数学知识,包括偏微分方程求解、梯度下降流等。然后又介绍了曲线演化理论和水平集方程的求解方法,最后介绍了几种不同的水平集分割模型。2、医学图像中往往含有高噪声,为了解决这个问题,本文提出了一种改进的快速分割算法。首先通过小波变换和中值滤波去除噪声,然后在水平集中加入加速因子,用来解决后期演化速度慢的问题,最后在模型中加入能量惩罚项。实验证明新的算法能满足分割要求。3、针对医学图像中灰度不均匀、边界复杂的问题,本文在Canny算子的基础上加入45度和135度方向上的梯度模板,提高了对于复杂边界图像的检测能力,在偏移场模型中加入模糊隶属度函数,提高了分割的准确度,最后在距离规则化项中使用双肼势函数,提高了图像的分割效率。实验结果证明了本文算法的有效性。4、针对医学图像高噪声、多目标以及病灶区域不规则的现象,本文通过改进后的双边滤波去除了图像中的噪声,并且通过在模糊聚类中加入空间域信息,提高了对于病灶区域不规则图像的分割精度,最后通过在双水平集中加入能量惩罚项以及边缘指示函数,改善了对于多目标医学图像的分割。实验结果也证明了本章算法能达到理想的分割效果。