现今社会,“养生”一词频繁登上各类搜索引擎的热搜榜,足以说明当代人对于身体健康的关注程度空前高涨,而其中最不容忽视的就是口腔问题。无论是口腔疾病还是爱美人士想要对口腔进行美化,都离不开对口腔内牙齿的研究。为了减轻医生的负担,目前对于牙齿分割的研究正成为各学者的研究重点和热点。此时诞生的CBCT成像技术受到广大关注,并为辅助口腔颌面诊治提供重要的数据支撑。目前对CBCT牙齿图像分割的方法有多种,但由于牙齿本身结构的复杂性,CBCT牙齿图像本质上属于多目标分割,相邻牙齿间的边界模糊,牙根分根不能及时追踪,分割牙齿的过程会受到牙周组织的影响等,使得牙齿分割的难度巨大。而水平集的平滑性等特点使得其在医学图像领域表现优秀,并且能够克服深度学习分割牙齿导致的边界出现毛刺等问题。因此,本文针对CBCT牙齿图像在基于边缘的水平集模型——距离正则化水平集上进行研究。研究内容主要有以下几个方面:CBCT数据预处理。考虑CBCT成像的相关特点,需要对CBCT图像进行预处理,用双边滤波方法对CBCT图像进行滤波去噪,提出了对CBCT图像中的外植入物进行剔除的方法,并且引入分段灰度线性变化对数据集进行预处理。单齿牙冠全自动快速水平集分割。先详细介绍如何选取数据集的初始层,引入对边界处的灰度信息处理使牙齿边界在分割过程中能更清晰地被识别。对水平集算法进行改进,引入乘性固有成分优化模型（Multiplicative Intrinsic Component Optimization,MICO）对牙齿数据进行灰度分级,把图像进行平滑后的结果作为水平集的初始化,以此来实现自动化。全口腔牙冠的全自动分割。引入形状约束项改善牙根分根不及时以及牙齿边界分割不准确的情况,优化正则项使分割更加平稳,对迭代收敛条件进行调优,以增强算法的自适应性,并在引入MICO模型实现单齿牙冠全自动分割的基础上,引入互斥水平集模型用于解决由于牙齿间界限模糊导致的分割不精准问题。再分别对单齿和全口腔牙齿的分割结果进行三维重建并展示重建结果。