本文首先提出了一种基于局部信息的相场分割模型,在新模型中采用了双势阱函数结合局部信息的策略。模型不仅保持了传统分割模型的优点,同时嵌入图像的局部信息以增强图像分割效果。Γ收敛性分析显示新模型具有稳健性,也为分割模型系数参数的选择提供一种新的估计方法。论文分析比较了各类图像的分割结果,其中包括二维的多分支血管以及三维脑部MRI图像。所提出分割方法和局部拟合模型、Chan-Vese模型以及局部Chan-Vese模型对比显示我们模型在计算二维多分支血管问题时CPU时间最小,在三维脑部图像分割问题中,通过求解经典的Dice以及Jaccard指标值,我们的模型有较好的分割效果。其次,本文也建立了MRF与Box样条的等价性关系,数值实验中比较箱样条基边缘分割算子与多种经典的边缘提取算子的分割效果,数值结果显示箱样条基在提取边缘特征提取有一定优势。最后,总结了现代医学图像分割中深度学习的网络结构,其中包括FCN网络结构、U-Net结构以及Mask R-CNN结构等,并且用U-Net结构训练医学图像标准数据集获得较好的分割准确性。