各向异性结构是指目标对象的空间尺寸在不同方向存在显著差异，如线状和面状结构。在工业制造、环境遥感、生物医学等领域含有大量各向异性目标对象，如纤维、道路、血管等。各向异性结构分割是图像分析系统中的关键技术，是被测目标可视化、定量分析、分类识别等后续分析处理的必要前提。图像中的各向异性结构具有复杂几何形状和像元稀疏性，容易受噪声干扰和异物遮挡，严重影响各向异性结构图像分割性能。
　　本文以工业和医学图像中具有代表性的二维线状、三维管状和面状结构为研究对象，研究融入视觉外观和几何形状先验知识的各向异性结构图像分割算法。深入研究全局与局部视觉外观匹配相融合的二维密集线状条纹分割算法、基于新型梯度向量流的三维管树状结构分割算法、基于方向平板导数滤波器的面状结构分割算法和基于点云区域增长聚类的曲面识别与多级样条曲面插值算法。具体研究内容包括以下四个方面。
　　(1)二维密集线状结构分割：叠层薄片产品端面图像呈现为密集线状条纹，并且容易受邻近薄片粘连、破裂、弯曲、外界纤维异物、玷污等因素影响，造成密集条纹检测困难。针对此具体任务，依据叠层薄片端面图像叠层方向的周期性视觉外观和垂直方向的线状几何形状，本文提出逐行条纹检测思路，设计频域全局性匹配和改进零均值互相关局部匹配相融合的脊线检测算法，应用方向连接元滤波方法进行后处理，得到纯净脊线，最终实现薄片计数。实验表明，相比经典的边缘(Canny)和直线段(Level Segment Detection, LSD)检测方法，本文方法具有最高的准确性和鲁棒性，为密集线状结构检测提供新思路。
　　(2)三维管状结构分割：肺部CT(Computed Tomography)图像中肺管树状结构分割具有管径尺度变化大、粘连、容积效应和背景复杂等挑战性因素。针对此问题，本文提出一种基于改进梯度向量场的三维管树状结构分割方法，将双边滤波和均值漂移滤波应用于梯度场平滑演化框架，有效改善微弱边缘溢出问题。为了获得全局最优的分割结果，本文采用各向异性正则化的连续最大流分割方法，即将血管轴向方向融入到正则化项，以利于各向异性结构的轴向延伸分割，避免了各向同性离散最大流的网格偏差和圆状偏好的缺陷。实验结果表明本文方法比基于各向同性的高斯尺度空间的中心度量方法具有更高的准确性，为三维管树状结构的增强与分割提供了新方法。
　　(3)三维面状结构分割：肺裂是肺叶的边界，它在肺部CT图像中呈现出细薄的曲面形状。CT扫描成像时肺体运动与容积效应和肺体病变容易导致肺裂边缘模糊、对比度低，以及肺裂邻近的其他解剖结构，使得肺裂检测面临挑战。本文基于肺裂在三维空间中呈现出的曲面结构，设计方向平板微分滤波器内核，并借助球谐理论高效地实现多方向稠密匹配运算；提出基于曲面法向分区去噪与融合、区域增长的两步后处理分割策略。视觉评估和量化评估的实验结果表明本文方法在微弱肺裂检测方面具有优势，总体分割性能优于基于Hessian和窄条微分滤波器的肺裂检测方法。
　　(4)三维面状结构分类及插值：肺裂将肺脏分为五个肺叶。肺叶分割的主要难点在于对肺裂曲面进行分类和弥补缺失肺裂。在获得肺裂分割结果的基础上将其转换为点云数据，本文提出基于肺裂点云法向和曲率的曲面分类方法，并应用多级样条曲面拟合方法填补和扩展肺裂曲面，实现肺叶分割。实验结果表明基于肺裂曲面的肺叶分割方法比基于解剖结构辅助分割方法获得更为准确的肺叶边界。