随着经济生活的发展，心血管疾病对人类健康的威胁越来越严重。在临床上通过医学影像技术快速、有效地进行诊断，对于心脏疾病的预防和治疗有着重要意义。传统的心脏疾病诊断主要依靠有经验的医生通过对心脏图像中各个组织结构进行手动分割，得到准确的解剖信息、从而对心脏功能进行评价。这在工程实践中是一项非常耗时的工作。提出了结合多维特征的Graph cuts算法，对心脏图像分割进行了研究。　　本文对图的基本理论作了介绍，在此基础上引出了基于图论的分割算法：Graph cuts和Grab cut，并对两种算法进行了实验分析，最后选定Graph cuts作为本文分割的基础算法。在对右心室分割时，由于右心室壁薄、组织对比度低等特点，使得传统分割方法的结果精度不高。本文针对这个问题，采用具有边缘特征的特征图像来代替原始的心脏MRI图像。提取图像特征时，本文采用了Gabor特征和HOG特征，结合这两种特征，实现了右心室分割。实验结果表明本文的方法对精度的提高是有效的。在完成右心室分割基础上，把本文算法结合配准框架，对主动脉和左心房实现了结合先验知识的图谱引导分割。分割时先使用本文的算法进行预分割，将预分割的结果作为先验信息加入配准框架中。使用kappa统计和互信息相结合的相似性度量，采用仿射变换进行全局变换，在局部变换时使用B样条形变模型，最后利用自适应梯度下降算法获得高精度的结果。实验结果表明该方法的分割结果精度可以达到良好的效果。