随着医学成像技术的快速发展,计算机辅助诊断系统成为当今医生诊断的重要辅助工具,计算机辅助诊断系统中的重要环节为图像分割,图像分割的准确与否关乎到后期对病灶区域的诊断是否正确。针对医学图像的特点,图像分割算法中的活动轮廓模型成为当今学者的研究重点,原因在于活动轮廓模型引入水平集函数,能够灵活处理医学图像复杂的拓扑结构变化,且数值计算较为简单。本文对活动轮廓模型在处理医学图像的问题上做了详细的研究,主要研究内容如下:首先本文介绍了活动轮廓模型涉及到的相关基础理论知识,重点介绍了经典活动轮廓模型CV模型,针对CV模型在分割医学图像上存在的缺点,如不能准确分割灰度不均匀图像,对医学图像的噪声鲁棒性不强等缺点,对其进行改进。改进如下:针对CV模型中权重系数往往被人忽视的问题,本文引入图像熵作为CV模型的自适应权重,通过自适应计算区域内外的灰度信息变化情况,驱动拟合曲线移动到目标边界,从而避免先验参数对分割结果的影响,最终提高模型在分割灰度不均匀图像上的运行速率和分割准确度;在此基础上改进长度项,在长度项中添加边界信息,边界指示函数能吸引曲线向边界靠近,提高分割弱边界的准确度。为了提高模型对多重噪声的鲁棒性,在模型中加入新的拟合项,构造新的能量泛函。最后通过实验对比分析,改进后的模型相比于CV模型在很大程度上提高了医学图像的分割准确率同时提高了抗噪性。针对传统模型能量泛函单一,在分割图像时对背景复杂和多目标的图像分割效率低等问题,本文以LGIF模型为基础,对LGIF模型进行优化改进,首先在此基础上加入自适应函数,通过计算区域内像素的统计特性,改变全局拟合项和局部拟合项在曲线拟合目标边界过程中所占比重大小,自适应驱动曲线向目标边界靠近,同时调整演化速率。其次加入边缘指示函数,最后通过实验对比分析CV模型、LBF模型、LGIF模型、本文改进模型对医学图像的分割结果,实验证明改进后的模型不仅对初始轮廓具有鲁棒性,而且能够分割灰度不均匀图像,同时提高了模型的运行效率。