随着数字技术的普及,医学成像技术已成为现代医疗的一个重要手段。为了更有效的利用医学图像信息,图像分割技术逐渐深入到医学领域。医学图像分割作为医学图像处理的一个重要环节,在提取病灶目标或生物组织方面有着一定的实用价值。近年来,人们已经提出了众多结合特定理论的分割技术。水平集方法作为有效处理曲线和曲面演化问题的数学理论,自提出以来,已逐渐成为图像分割领域的研究热点,并被应用于图像处理的其他环节。本文对基于水平集的图像分割技术进行了研究,实现了基于两种拟合能量模型的灰度图像与彩色图像分割算法,解决了强度不均匀图像的分割问题。全文主要工作如下:⑴介绍了水平集方法的数学原理,分析了传统方法的优点与缺陷,探讨了水平集函数的重新初始化问题。⑵讨论了Mumford-Shah模型及其简化模型,深入研究了基于水平集的Chan-Vese模型,实现了基于该模型的灰度图像分割算法,提出了彩色图像分割算法;通过具体的试验结果,总结了该算法的优势,分析了该算法无法正确分割强度不均匀图像的原因,并提出了解决方案。⑶引入了局部扩展拟合能量模型,依据水平集理论,提出了基于这一模型的灰度图像与彩色图像分割算法,解决了Chan-Vese模型的缺陷。实验结果表明,该算法能够准确分割强度不均匀图像,对目标结构复杂的医学图像,也能取得较好的分割效果。