心脑血管疾病是危害人类健康的主要疾病之一。根据世界卫生组织统计的数据,每年心血管疾病导致的死亡人数约占全世界死亡人数的三分之一。相关研究表明,颈动脉粥样硬化与心脑血管疾病密切相关,颈动脉壁状况的评价在提前判断无症状病人的危险状况的过程中起着非常重要的作用。超声成像作为最常用的颈动脉斑块检测的影像学方法之一,具有方便、无创等优点。且随着高频超声的发展,超声图像的分辨率越来越高,超声成像的临床应用变得更为广泛。这带来另一个问题:导致读片医师的工作负荷加重,最终影响疾病的漏诊率。于是学者们提出了计算机辅助诊断技术。一个完整的基于灰阶超声图像的计算机辅助诊断系统将依次由边缘提取、特征提取、分类判断三个部分组成,本文主要的研究内容是颈动脉斑块的边缘提取,以期提出一种性能更好的能用于临床诊断的颈动脉斑块超声图像分割算法。所完成的主要研究工作和创新点描述如下:(1)针对GVF-Snake主动轮廓模型在进行颈动脉超声图像分割时存在的网络拓扑结构问题以及轮廓可能沿着错误方向演化问题,Paragios等提出了GVF-测地线模型。该模型利用了测地线主动轮廓模型具有的优势:与水平集方法结合的GVF-测地线模型能够解决网络拓扑结构问题;由于测地线模型的轮廓沿着法线方向演化,因此GVF-测地线模型不存在轮廓可能沿着错误方向演化问题。但该模型可移植性不好,因此本文修改了该模型的边缘图矩阵以使其严格满足与边缘检测函数之间的线性反比关系,并且改进了该模型的部分算子,得到更接近测地线主动轮廓模型的改进的GVF-测地线模型。(2)由于改进的GVF-测地线模型不能解决深度凹陷区域问题,Wang.Y等提出的HGVF- Snake主动轮廓模型能够有效解决该问题,因此本文在HGVF-Snake模型的基础上增加弱边缘检测算子,并将改进的HGVF-Snake模型与改进的GVF-测地线模型相结合,提出改进的HGVF-测地线模型。实验已论证改进的HGVF-测地线模型能够有效解决深度凹陷区域问题以及弱边缘检测问题,其性能相对于改进的GVF-测地线模型有所提升。(3)针对改进的HGVF-测地线模型存在的耗时过长、效率测度不好问题,文章在模型处理对象以及水平集函数的重初始化两方面进行改进,提出无需重初始化的改进的HGVF-测地线模型。该模型在曲线演化过程中节省了重复初始化时间;另外本文进一步提出了一种改进的子图作为模型分割对象,实验表明,该方法能进一步缩减程序运行时间,且能解决通用子图中存在的效率测度不稳定以及给FPF和TNF的计算结果带来额外误差等问题。综上所述,无需重初始化的改进的HGVF-测地线模型原理简单、易于实现,不仅解决GVF-Snake主动轮廓模型中存在的拓扑结构和深度凹陷区域问题,而且进一步解决了弱边缘检测问题等。实验结果表明,无需重初始化的改进的HGVF-测地线分割算法分割精度很高,能够在颈动脉斑块提取中取得非常好的效果,其性能远优于GVF-Snake分割算法。