心血管疾病是国际上常见的疾病之一,同时也是导致人类非意外死亡的直接或间接因素。而在心血管系统中,心脏是重要器官。因此,准确地分割心脏图像对心血管疾病的早期诊断和介入治疗就变得尤为重要。然而全心脏图像的分割依旧具有挑战性:一方面,心脏解剖结构非常复杂,心房、心室、冠状动脉、上下腔静脉、心包以及瓣膜等心脏结构CT值存在一定范围的重叠;另一方面,心脏的持续搏动导致医学影像具有变化的相位特性,容易产生噪声和伪影,由此带来的定位和分割误差还亟待改善。为了解决心脏在CT图像中难以准确定位、分割的问题,本课题在现有典型的医学图像分割算法的基础上,提出一种基于局域化的活动轮廓模型和分水岭算法的混合分割模型,并将其应用于CT心脏图像的分割中,实现了CT全心脏图像心包外膜的全自动分割。本文的主要工作如下:(1)研究分析CT心脏图像的灰度特征,并使用高斯滤波以及双边滤波预处理方法对其进行实验对比分析,同时对医学图像处理中两种典型的可形变模型进行研究分析,为后文设计和优化CT心脏图像分割算法奠定基础。(2)对几种典型的局部轮廓模型进行研究分析,针对其轮廓曲线在形变过程中易产生冗余曲线的问题,采用一种局域化的活动轮廓模型,并对Heaviside函数以及Dirac函数进行改进,同时将其与几种局部轮廓模型进行实验对比分析。使该模型能够更好的应用于CT全心脏图像分割中。(3)对分水岭算法进行研究分析,依据分水岭算法具有运行速度快、准确性较高且能够获得闭合目标区域轮廓的优点,并结合CT心脏图像的图像特点,本文提出一种基于改进分水岭的CT全心脏图像初始轮廓线设置算法,实现了CT全心脏图像初始轮廓线的快速自动提取。(4)针对CT心脏图像的分割,本文提出一种基于局域化的活动轮廓模型和分水岭算法的混合分割模型,并将其应用于CT心脏图像心包外膜的分割中。并在多组临床心脏CT数据上进行实验,结果表明本文所提出的模型具有广泛的实用性,良好的精确性以及对噪声的鲁棒性好。