超声医学成像因其无损伤、无痛苦、实时显示、可反复进行、价格低廉、适合软组织诊断等特点,是临床诊断中重要的检测手段。超声医学图像分割是对超声图像进行分析的基本步骤,也是利用超声图像进行定性、定量分析的一个至关重要的环节。然而在超声医学图像处理与分析中,对目标和病灶的识别、定位及定量分析还主要依赖图像的手动分割。随着超声医学成像在临床应用中越来越广泛,需要利用计算机算法对解剖结构或其他感兴趣区域进行自动分割描述。分割的准确性对医生判断疾病的真实情况并做出相应的诊断计划至关重要,在医学超声领域研究自动或半自动分割方法是非常重要的。活动轮廓模型因其能够将高层视觉知识与低层图像信息有机结合,近年来广泛应用于医学图像分割。本研究将活动轮廓模型应用于超声医学图像的分割,通过对传统活动轮廓模型及其几种主要的改进模型的分析,将模型的内部能量和外部能量做出了以下改进:1、在模型的内部能量中加入轮廓平均长度项的控制,从而避免轮廓中相邻控制点在迭代过程中的互相汇聚,2、在模型的外部能量中加入了梯度方向势能,避免活动轮廓停留在错误的物体边缘处,3、针对超声图像特有的speckle噪声较大的特点,采用了基于图像统计特征的区域能量作为模型的外部能量,使模型能量有效的避免speckle噪声的干扰。同时,为使算法具有实用价值,采用速度较快的贪婪算法作为求解模型能量最小的算法,并提出区域能量在贪婪算法中的快速求解方法。最后,采用多分辨率优化方法进一步提高模型的收敛速度。