目前,超声成像在疾病的临床诊断和治疗中已经得到了广泛的应用,主要是因为超声成像拥有实时性、可靠性、可重复性、灵敏性和廉价性等多种独特的优势。因此高效、准确无误地分割医学超声图像,对推动超声成像技术的应用具有重要意义。针对超声图像的分割现状,本文在前人研究的基础上对医学超声图像分割方法进行了研究,主要研究工作可以概括为下面几点：(1)系统地分析了图像分割的应用,并详细介绍了医学超声成像的主要特点和医学超声图像分割所面临的一些困难以及目前已有的各类分割方法,在此基础上指出研究本课题的重要性和现实意义。阐述了本文所采用的一些相关算法理论,包括水平集方法、数学形态学、C-V模型及核模糊C均值聚类(KFCM)算法等。通过对这些算法的原理和特点进行分析,提出以改进水平集曲线演化的速度函数作为本课题的主要研究方向,为后续改进算法的陈述奠定了充分的理论基础。(2)提出了一种结合形态学算法和水平集的医学超声图像分割方法,将形态学梯度场作为水平集的速度函数进行曲线演化获得图像分割边界。仿真结果表明,该方法在分割由散斑噪声引起的目标区域灰度不均匀的复杂医学超声图像时能获得比较理想的平滑边界。(3)为了加快传统的水平集图像分割方法的速度,提出了一种基于改进Chan-Vese(C-V)模型的水平集医学超声图像分割方法,并对水平集演化过程中的初始闭合曲线的选取进行分析,通过实验仿真证实了合理选取初始闭合曲线能加快图像分割速度。相比于传统C-V模型,此改进C-V模型具有较好的分割性能,尤其是节省时间方面。(4)研究了核模糊c均值聚类(KFCM)参数的选取对医学超声图像分割结果的影响。将核模糊聚类的结果与水平集曲线演化进行结合得到待分割图像的粗边界,再根据梯度向量流进行曲线演化得到细化的边界。实验结果证明该方法能有效克服医学超声图像分割的多种困难,并得到较真实的图像边界。