论文研究并改进梯度向量流主动轮廓模型。论文简要的介绍了国内外对主动轮廓模型的发展动态以及传统的图像分割若干方法:如基于阈值的图像分割方法、基于边缘检测的图像分割方法、基于区域的图像分割方法、基于聚类分析的分割图像方法和基于图像纹理的图像分割方法等。论文介绍了参数型主动轮廓模型与几何型主动轮廓模型的基本原理。图像分割、图像的轮廓检测是图像处理的一个重要组成部分,医学图像轮廓检测能够帮助医生检测出各种格式医学图像中的特定对象,能够把检测从目测变为自动监测。医学图像轮廓检测对医学的发展产生了深远的影响,同时良好的医学图像轮廓检测方法可以比人工更精确,间接的推进了医学技术的发展。本文详尽的分析了传统梯度向量流主动轮廓模型的优点和缺点,并在传统的GVF主动轮廓模型的基础上提出了新概念:动态法梯度角。用动态法梯度角的余弦值可对梯度向量图进行修正。欧拉等式、和有限差分法以及余弦定理是此模型中重要的数学工具。本文提出的有效梯度向量流力场把演化曲线的法线方向也作为一种影响外力场的因素,让曲线演化更准确;同时为了进一步扩大外力场对真实轮廓的捕捉范围,将自适应性气球力引用到新的模型中。有效梯度向量流主动轮廓模型,处理图像信息的方式比改进前的模型更为谨慎,其抗噪声性得到增强。这种方法与传统的梯度向量流-主动轮廓模型方法相比,每次迭代的过程中都要计算一组新的法梯角的余弦值,并且要判断相容度角是否到达阈值。本文运用余弦定理推导出了法梯角的余弦值,并给出了详尽的数学推导过程。本文用改进的动态梯度向量流主动轮廓模型对U形图、医学心脏内部剖面MRI图、胸腔横截面MRI图像进行实验,并与主动轮廓模型、梯度向量流主动轮廓模型进行对比。实验表明本文提出的方法对医学图像的处理上比起传统的GVF主动轮廓模型具有优越性:本文改进的GVF主动轮廓模型对医学图像检测出的轮廓更接近真实轮廓,抗噪音的能力提高。