医学图像分割是医学图像处理和分析的基础。通过图像分割,可以将人体的解剖结构、病变区域等进行定位、特征提取、量化分析以及可视化处理,从而为临床诊疗和医学研究提供可靠的依据。图像分割也是图像配准融合以及三维重建、计算机辅助诊断、手术模拟、手术导航等的前提。然而,医学图像中往往存在着噪声、灰度不均、对比度低、目标边界模糊、微弱或缺失等现象,给图像分割带来许多困难。因此,医学图像分割仍是一个亟待解决的困难而又重要的问题。本文的主要研究成果如下:针对医学图像尤其是超声图像中灰度不均匀、目标边界弱的问题,我们提出一种基于活动带和边界算子的活动轮廓模型。与传统的活动轮廓模型相比,该模型的优点在于:首先,通过将能量泛函约束在一个不断演化的带形区域上,能够降低图像灰度不均匀对算法的影响,从而实现对灰度不均匀图像的有效分割。其次,边界算子通过极大化沿着零水平集法向的图像块内的平均灰度差异,能够捕捉到肉眼难以识别的边界。我们分别在二维前列腺超声图像和三维前列腺经直肠超声图像上测试该算法的有效性。与医生手动画出的轮廓相比,对于二维前列腺超声图像,该算法分割结果的平均DSC为95.82%± 2.23%,平均敏感度为94.87%± 1.85%。对于三维经直肠前列腺超声图像,该算法分割结果的平均DSC为94.03%±1.5%,平均敏感度为93.16%±2.3%。针对医学图像中器官、组织或病灶边界缺失的问题,我们提出了一种新的基于点距离形状约束的活动轮廓模型。与传统的形状先验相比,基于点距离的形状约束具有以下优点:首先,该形状约束不需要优化形状参数或训练大量手动分割出的目标形状集。其次,基于点距离的形状约束能够灵活地描述更多的形状如:圆形、类圆形、椭圆、超椭圆、曲边三角形、曲边四边形以及心形等。对于甲状腺超声图像中结节的分割,与医生手动画出的轮廓相比,该算法的平均DSC为92.78%± 1.90%,平均相似度为91.14%±2.95%。对于肾脏超声图像,该算法分割结果的平均DSC为94.96%±1.22%,平均相似度为93.65%± 2.2%。针对灰度不均匀图像的分割问题,我们在区域灰度同质因子构成的图像上定义了描述区域灰度同质性的能量泛函,通过将该能量泛函嵌入到活动轮廓框架中,分别实现了对复杂背景下的灰度均匀目标和灰度均匀背景下的复杂目标的分割。我们用真实的医学图像和自然图像的分割来验证该算法的有效性。实验结果表明,该算法能够有效的分割出复杂背景下的灰度均匀目标和灰度均匀背景下的复杂目标。