在近20年来图像处理技术和计算机视觉技术变得越来越重要。图像分割又称为图像中物体的边界识别,是计算机视觉和图像处理中最为重要的问题之一。分割技术的应用范围很广,包括医学(如定位损伤)、工业(如机器视觉)、军事(如目标探测)行业等等。随着医学图像在诊断和治疗中占据着越来越重要的位置,分割技术已经被应用于临床提取一些解剖结构方面的信息。由于医学图像具有的及其繁杂的多样性和复杂性,加上目前医学影像设备(CT,MRI,PET等)成像技术上的特点,使得医学图像的分割更加困难。概括来说,通常包括以下几种分割方法:基于区域的分割方法,如阈值分割法、区域生长法;基于边缘的分割方法;结合区域与边界信息的方法等。 本文运用了统计蛇模型技术对彩色图像进行了分割。统计蛇模型又称为活动区域模型,它是一种基于压力蛇的区域增长模型,它利用图像的统计特征来控制局部压力的大小和方向,这样模型既可以收缩,又可以扩展,从而克服了传统气球模型的局限。同时这种模型可以结合多形态图像(例如彩色视频)中所有的特征。本文中就采用了一个多维线性优度函数,对图像中的R、G、B三色分别进行处理,从而克服了活动轮廓线模型只能分割灰度图像的缺点,取得更好的分割效果。该算法还克服了活动轮廓线模型的另外一些缺点,例如在梯度变化平缓区域出现振荡现象,逼近速度较慢等。对实际图像处理的结果表明,该算法具有良好的分割精度及稳定性。