心脑血管疾病(CVD)是临床中死亡率及致残率最高的多发性疾病,电子计算机断层扫描(CT)与数字减影血管造影(DSA)是CVD检测中常用的工具。DSA图像常用于显示脑血管的二维拓扑架构,在医院中是医生对脑血管疾病进行诊断、治疗的重要依据,CT血管图像常用来显示心血管的三维形态,是心血管疾病诊治的重要手段。心脑血管分割可以辅助医生诊断,提高工作效率和水平,因此,本文针对心脑血管疾病检测的图像进行研究。虽然利用深度学习理论进行图像分割是当前的研究热点,但是,这种方法依赖人工勾画提取出血管样本,不仅费时费力,而且很难保证分割精度。鉴于此,本文针对DSA图像和CT图像进行血管分割。在血管图像中,毛细血管的拓扑结构、横切结构与背景的灰度像素相近,分割时误差率比较高;此外,血管分割结果中血管的边缘并不光滑,在血管交叉处容易出现分割误差,针对以上问题分别研究了基于多尺度增强的DSA血管分割算法和基于图论的CT三维血管分割算法,完成的主要工作包括:(1)在DSA血管图像的研究中,首先利用多尺度Hessian矩阵方法进行增强分割,但这种方法无法解决在DSA造影中,当血管周围的软组织含有渗透的造影剂以及光照条件不足时引入的血管模糊以及伪影噪声。本文为解决这个问题,首先,提出血管边缘强化算法,提升了血管边缘梯度,不仅使得到的血管边缘更加光滑,同时也增强了血管交叉处的视觉效果;其次,引入基于形态学的噪声滤除,这种方法可以检测出类似于血管的线性噪声并进行去除;最后,针对DSA血管序列中每一张图像只能显现部分血管,不利于观察血管整体状态的问题,设计了血管序列图像融合,将每一幅图像中的血管显现到同一幅图像上,在这一副图像中可以整体了解血管状态。经过与相关的参考文献中的分割方法进行比较,本文改进的DSA血管分割方法分割得到的血管在重合率上增加了0.0113,在错误分割率上减少了0.0238。(2)在多层螺旋CT图像的三维血管分割中,采用先分割血管再进行三维重建的方法。在横切片图像中,血管呈切面状,针对切面血管分割结果边缘不光滑以及遗漏细微血管的问题,根据血管的Hessian矩阵参数与物理力学中应变力结构参数类似的属性,改进了应变力增强滤波器,对CT横切面中的血管切面进行边缘增强,达到血管边缘更加光滑、交叉切面更加明显的效果;并根据图割理论,利用GraphCut算法计算血管图中各个边缘的能量值,在能量值达到最小处进行分割,得到横切图像中的血管;分割得到的血管采用光线投射方法进行三维血管架构重建,得到利于观察的三维视角图。经过与参考文献分割法相对比,本文针对CT图像中血管分割的方法在分割精度上提升了0.238,然而由于计算量复杂,在分割速率上略有下降。