近年来,生物医学成像技术的快速发展使人们能够获得大量高分辨率的医学图像和数据影像。各种医学成像技术已经广泛应用于医疗的诊断、术前计划、治疗、术后监测等各个环节,如何对这些成像技术获得的各种定量定性数据进行分析,使这些宝贵的信息得到有效充分的利用,是至关重要的问题。所以,医学图像分割技术成为医学图像处理和分析中的关键技术。而如何从图像中把有关结构(或感兴趣区)分离出来就成了图像分析与识别首要解决的问题,这也正是制约医学图像处理中其它相关技术发展和应用的瓶颈。本文分别对基于自适应阈值和马尔可夫随机场的分割算法进行了研究。主要工作有：1)在单帧医学图像的自适应阈值分割方面,针对于对比度低,信噪比低,亮度不均匀医学图像的分割,分析了亮度不均匀产生的原因,研究了两种改进算法,一种是基于邻域信息计算阈值曲面改进算法,另一种是利用边缘信息计算阈值曲面的局部自适应阈值分割算法,两种方法能够在一定程度上解决由于光照不均所引起的分割问题。2)在序列医学图像的自适应阈值分割方面,分析了帧间差和背景差的原理,重点研究了基于背景差的感兴趣目标分割方法,针对背景图像的更新比较了三种背景生成方式。最后针对差分图像阈值选取提出了基于快速欧拉数的自适应阂值选择方法。3)在基于马尔可夫随机场的医学图像分割算法研究方面,重点研究了基于最大后验概率改进的马尔可夫随机场图像分割算法,实验结果表明,本文算法可以较好地提取出医学图像中的感兴趣区域。