该文从理论研究的角度出发,对可变形模型方法进行了较为详尽的讨论,并将其用于MRI图像的分割问题,取得了较为满意的结果.1)较为详细地探讨了参数化可变形模型:从能量最小化模式、动态模式和概率模式三个不同的角度推导出了参数化可变形模型的基本公式;列举了传统高斯势能力、多尺度高斯势能力、气球模型、距离势能力、梯度矢量流模型、广义梯度矢量流模型六种有代表性的参数化可变形模型方法,并用实验结果对每种方法的优缺点进行了验证;对参数化可变形模型必须解决的变分问题给出了梯度下降法、动态编程法、贪婪算法、DDCM模型几种常用的具体求解过程;归纳了参数化可变形模型的固有缺陷.2)在传统方法的基础上进行了一定的改进与创新:对DDCM模型进行了改进;GVF-DDCM模型则可以提高可变形轮廓的迭代速度;提出了一种人工干预变形过程的简便方案.3)对几何化可变形模型也作了简略的总结:介绍了曲线变换理论和等高线方法的基本思想;列出了几种不同种类的几何化可变形模型,它们的差异在于速度函数的形式;推导了几何化可变形模型和参数化可变形模型之间的关系;并且将几何可变形模型运用到三位数据处理中.指出了几何化可变形模型的不足.4)对参数化可变形模型实现过程中的重采样问题和系数的选择问题作了一定的讨论.