图像分割是图像分析技术的关键步骤。它主要目的是将图像划分为若干个具有相同特征的子区域。图像分割一直限制着高级图像处理技术的发展。近年来,由于基于水平集的分割方法具有严谨的数学理论框架,能解决传统图像分割方法所得到的轮廓不连续等缺陷。加上其极具效率的数值方案,基于水平集算法的图像分割理论及其应用研究得到图像处理领域相关专家的广泛关注。医学图像分割作为一种重要计算机辅助医疗手段,具有很大的研究价值。本文就基于正则化水平集方法的医学图像分割方法展开了研究。本文首先对图像分割的发展现状进行了全面综述,介绍了水平集算法的发展和研究情况,并简要介绍了几种著名的水平集算法。紧随其后我们详细介绍了水平集算法的原理和求解方案,并重点说明了可避免重新初始化的距离正则化水平集在医学图像分割方面的应用。针对距离正则化水平集方法在肝脏CT序列中的分割缺陷,本文提出一种基于肝脏先验信息的距离正则化水平集分割方法。首先使用二次区域生长获得肝脏初分割结果,然后将此作为先验信息约束水平集演化,有效地克服了弱边缘越界。序列上下片之间使用距离变化自动获取生长种子点,使得分割在自动进行的同时避免分割误差的积累。算法稳定性强,得到的分割结果准确率较高。