血管中心线提取，对于血管拓扑结构表达和血管定量分析都具有重要意义。准确、快速的中心线提取算法，一直受到医学图像领域研究者的广泛关注。血管中心线的准确提取存在诸多难点，主要表现在：（1）图像获取方式多样，二维、三维的血管中心线提取算法需要区分讨论；（2）血管图像通常包含复杂的背景，存在图像噪声、周围其他的组织和器官的干扰；（3）血管自身形态多变、拓扑复杂，且血管存在直径、曲率、分支的改变等。因此，中心线提取问题相当复杂。为此，本文以包含复杂背景的医学血管图像为研究对象，对血管中心线提取方法进行了研究和探索。论文的主要工作包括：（一）对血管图像中的复杂背景进行分析。通过研究图像预处理方法，达到减少图像噪声和图像背景干扰、增强血管结构的效果，从而为中心线的准确提取奠定了基础。（二）本文在广泛研究中心线提取算法的基础之上，对特定的图像应用领域，提出了有针对性算法改进，从而获得了更完整、准确的血管中心线。其中，在第三章，本文提出结合血管跟踪与细化的血管中心线提取算法。实验结果表明，该方法能检测到灰度对比度较低的血管分支结构，与仅基于细化和仅基于跟踪的中心线提取方法对比，对于全局中心线拓扑提取的准确性更高。在第四章，本文改进了最小路径中心线提取算法中、针对于血管图像的算法速度函数，使得快速行进算法求解能更快地收敛于选定两点后的血管区域内，且不会出现严重偏移真实中心线的情况。在第五章，针对于CT体数据的胆囊动脉血管分割的实际应用，本文提出了基于中心线胆囊动脉分割方法。其中中心线的提取过程，结合了血管的管状特性和GVF特性筛选。实验结果表明，基于中心线的方法对于胆囊动脉血管分割的应用具有优良的性能，尤其是对于血管末梢的细小分支结构检测的敏感度良好，从而引导精确的血管分割步骤。