医学图像中感兴趣区域的分割是图像分析与理解的关键所在。肝脏分割是肝癌特征提取与识别的前提,其分割的准确率对肝癌诊断和治疗效果具有重要的影响,成为近年来生物医学工程领域研究的重点和热点。由于人体腹腔内脏器组织较多,肝脏与周围脏器图像灰度对比小,难以找到清晰的边界,这给肝脏分割带来较大的困难。随着曲线演化理论和水平集方法的发展,基于几何活动轮廓模型的图像分割算法能够综合利用区域和边界的信息,比较适合医学图像的分割处理。本文将主要研究如何完善活动轮廓模型分割算法,并将该方法应用于肝脏分割中,进而推广到医学分割领域。本文提出了改进的活动轮廓模型方法,使模型的能量泛函同时包含图像全局信息驱动项和局部信息驱动项,从而得到更准确的分割结果；针对水平集对初始轮廓敏感的问题,提出了利用区域生长方法获得初始轮廓后再利用改进的活动轮廓模型方法分割目标区域,既可得到准确的分割结果,也可弥补区域生长方法对生长阈值敏感、水平集方法对初始边界敏感、分割速度慢等问题；根据腹部CT序列图像中相邻切片具有极大的相似性,本文提出了基于目标区域平均形状的肝脏快速分割方法,将目标区域的平均形状引入到能量泛函中,有效地提高了水平集的分割速度,解决了水平集对初始轮廓敏感的问题,有效地识别图像中的弱边界,从而得到良好的分割结果。为了验证方法的有效性,本文进行了实验对比研究,实验结果表明,本文方法不仅能够较好地进行肝脏分割,而且具有较好的健壮性。