虚拟手术是近年来在国际上发展迅速的一个领域,图像分割是图像处理与图像分析中的一个经典问题。医学图像分割在整个虚拟手术系统中具有至关重要的地位,它是正常组织和病变组织的三维重构,以及手术模拟的一系列后续操作的基础。由于医学图像的复杂性,目前的自动分割方法远不能满足医学图像处理的实践中对分割结果准确性的要求。因而,近年来人机交互的分割方法在医学图像分割中正受到越来越多的关注。本文主要针对变形模型,尤其是几何变形模型在医学图像分割领域的交互式应用作了一定的研究工作。 变形模型按表达方式可分为参数变形模型和几何变形模型。本文通过对二者的研究与比较,可以看出,基于曲线演化理论和水平集的几何变形模型,由于能自然的处理拓扑结构的变化,所以更适合应用于较为复杂的医学图像分割。水平集方法是处理二维或三维空间中封闭运动曲面随时间演化过程中,几何拓扑变化的有效的计算工具。本文首先对几何变形模型和水平集的相关理论进行了研究,并针对水平集改进算法-窄带法的应用进行了探讨。 变形模型要应用于图像分割问题,还需要通过一定的分割模型,来形成吸引变形曲线靠近区域边界的能量场。本文详细介绍了Mumford-Shah模型及其简化C-V模型的特点,并将Mumford-Shah模型和窄带法相结合,采用一种窄带Mumford-Shah分割模型,经过与Mumford-Shah模型的对比实验,表明该模型避免了大量计算。 针对医学图像,尤其是图像质量较差的超声图像中,自动分割比较困难,精确度难以保证的问题,在窄带M-S模型分割算法的基础上,加入基于水平集的人工约束机制,即在适当位置添加一些标记点,就可以在医生监控引导下对复杂图像进行准确分割。实验表明,该方法具有良好的分割效果。