近年来脑部肿瘤的发病频率越来越高,已成为威胁人们生命的重要因素。MR是确诊脑肿瘤的重要方式,MR脑肿瘤图像的目标识别和肿瘤区域分割成为图像领域的研究重点。CV模型在脑部核磁图像的目标识别和肿瘤分割研究中具有重要地位,本文重点研究基于改进CV模型的脑肿瘤分割算法。主要工作如下:1)综合研究了活动轮廓模型的基本原理和演变过程,以及它在医学图像分割范畴的相关应用。发表了关于活动轮廓模型近五年研究现状的综述论文。重点研究了 Snake算法及CV模型,对比分析了CV模型在医学图像分割中的优点和不足。2)为解决CV(Chan-Vese)模型算法分割灰度变化缓慢、边缘变化不明显的MR图像的缺陷,提出基于CV模型改进的MR图像分割算法。改进了 CV模型的能量函数,采用新的g(R)函数代替Dirac函数,优化了 CV模型算法的相关参数,提升了 CV模型算法分割图像的精确度和速度。首先,引入了一个新的局部项。通过对图像使用部分直方图均衡预处理得到I’,让I’减去原图像以获得目标边缘显着变化的VI,▽I作为CV模型的能量函数的局部项而被引入。然后,由得到的▽I构造边缘指示函数。用新构造的边缘指示函数g(R)替换Dirac函数解决了CV模型演化曲线无法检测到远离目标的边缘的问题。最后,优化平滑项参数以减少迭代次数,提高运行效率。实验显示,该算法对脑内复发性胶质母细胞瘤的MR图像拥有良好的分割效果。3)为解决CV模型分割MR图像时脑实质以外区域对脑肿瘤分割的影响,实现分割出MR图像中脑肿瘤的目的,提出了一种预处理算法,实现了CV模型算法提取出MR图像中的脑肿瘤区域。先对原图像使用迭代阈值分割算法,脑实质以外区域将形成一个单独的连通域,去除该连通域,即得到脑实质区域的二值图像;再对得到的图像进行孔洞填充操作、形态学的腐蚀操作;而后,使用FCM算法处理只包含脑实质区域的MR图像,以提高脑肿瘤区域与周围组织的对比度;最后,对MR图像使用CV模型算法,提取活动轮廓线围成闭合区域的第二大的区域,该区域即为MR图像脑肿瘤区域。由最终的实验可以看出,该方法效果良好。本文提出的两个改进算法在精度和效率上都有所提升,考虑到肿瘤形态的更多变化,未来的研究还会进一步深入。希望计算机技术的发展能够辅助疾病的快速诊断,提高脑肿瘤的精准定位。