随着医学技术的不断进步,医学影像在现代医学中占据着重要的位置。如何准确地实现对医学图像的分割和重建是现代医学影像研究的重要课题。目前的图像分割和荧光光学图像重建技术主要在有网格的框架下进行(如体素和有限元),面对复杂的拓扑结构变化仍存在许多问题。无网格的方法计算灵活,在处理拓扑结构变化方面具有较大的优势,开展无网格方法在复杂医学图像的分割和重建方面的研究是十分必要的。本文研究基于参数化水平集的无网格图像分割和光学图像重建算法。首先,论文介绍了图像分割和重建算法的基本概念和发展现状,分析了水平集算法的原理、径向基函数无网格法以及逆问题重建方法。针对算法的发展现状及目前存在的问题存在的问题,提出了基于径向基函数的参数化水平集分割及重建算法,进行了算法的程序设计,通过仿真实验进行了验证。本文首先实现了基于径向基函数的C-V模型水平集分割算法。针对基函数中心位置分布对分割结果的影响对算法进行了改进,降低了由基函数分布造成的分割边界产生的波动,并对仿真结果和脑部CT图像外轮廓的分割效果进行对比。实验表明该方法有效地改善了参数化C-V水平集分割模型的边界效果。此外,针对激发荧光断层成像的重建问题,设计了一种基于紧支径向基函数的无网格水平集重建算法,通过使用径向基函数的系数作为未知量对重建目标进行参数化变换,以降低目标的维度,并通过Levenberg-Marquard算法实现了对目标光源的重建。与传统有网格的有限元方法相比,该方法避免了对节点的插值过程,保证了计算的精确性。同时,相对于有网格算法,基于径向基函数的无网格算法在重建过程中表现出了更高的收敛性,仿真实验的重建结果表明本文提出的算法在准确性、稳定性上都具有良好的性能。