视觉感知是获取外界信息最直接的方式,图像作为重要的信息载体为人们提供了丰富的视觉效应。自然图像记录了客观世界美丽的瞬间,遥感图像呈现了地球完整的地貌,医学图像揭示了人类生命的奥秘,图像作为客观对象的一种表示,在我们的日常生活中随处可见。随着计算机多核技术的出现以及内存容量的不断扩大,数字图像处理技术的应用日益广泛。其中,图像分割技术是将图像细分为不同特性的子区域并提取感兴趣目标的过程,已广泛应用于医学、军事、遥感、人工智能、产品检测以及计算机视觉等领域。随着现代科学技术的不断发展以及临床医学对疾病诊断的准确性要求越来越高,医学成像技术得到了迅猛的发展,它在临床医学中发挥了重大的作用。各种医学图像不仅使医生看到了人体组织脏器在形态上的变化,而且还能对体内的脏器功能做出评估。目前,超声、X线、CT、磁共振、核医学等成像技术已经成为临床和医学研究中不可缺少的工具。这些不同的成像方式有其各自的应用价值。超声成像具有无损伤、成像迅速、灵敏度高的优点；X线成像过程简单,可通过辐射荧光屏曝光直接成像,空间分辨力高；CT成像的密度分辨力高,图像清晰,是人体内的断层图像,是目前临床使用最广泛的医学成像设备之一；磁共振成像具有无辐射、多参数成像、组织对比度丰富、对早期病变敏感等优点,对脑组织、血管和软组织成像较好；核医学成像不仅可以观察到器官的形态,还可以从中了解脏器的新陈代谢情况,具有选择性造影和动态观测能力。医学图像分割是图像分割的一个重要领域,医学图像分割是指对原始的医学图像实施某种运算,把感兴趣的解剖结构分割出来,使分割结果尽可能接近真实的解剖结构,它是临床辅助诊断、外科手术规划与仿真、放射定位治疗、定量测量的重要步骤,在临床研究中具有重要意义。不同于自然图像,医学图像在成像内容以及成像条件上较为复杂,如人体解剖的个体差异较大、偏移场效应、部分容积效应和各种噪声对图像质量的影响,使得医学图像分割具有一定的难度,而已有的图像分割算法还达不到临床使用的要求,因此,医学图像分割技术一直是科研工作者研究的热点问题。自医学图像分析学科兴起以来,医学图像分割算法的研究一直受到人们的高度重视,迄今为止,已提出的图像分割方法可达上千种,但大多数算法在很大程度上都是针对具体问题而提出的,仍没有一种通用的分割算法,算法的分类标准也不统一。根据算法的设计思路,本文将它们分为自底向上和自顶向下两类。自底向上的方法包括：阈值法、基于区域的分割法、聚类法、马尔可夫随机场等方法；自顶向下的方法则有：活动轮廓模型、水平集和活动形状模型等方法。医学图像分割对象多涉及人体内重要器官与疾病病灶,如大脑组织分割、肝脏分割、前列腺分割和多种肿瘤分割等。肾上腺是人体重要的内分泌器官,分泌的各类激素可用于调节人体内的水盐代谢和增强心肌收缩力,促使血压升高。目前,临床上对高血压病因的诊断仍没有有效的依据,临床医生提出了通过测量肾上腺体积、观察肾上腺形态的方法来分析高血压的成因。为了该研究能够进行,需要对肾上腺CT图像进行分割,分割后图像用于腺体容积计算和解剖结构定位等。但三维图像的手工分割困难且耗时,研究肾上腺CT图像自动分割方法具有重要的临床意义。经文献检索,国内外对肾上腺分割算法的研究甚少,肾上腺的自动分割问题尚未得到有效的解决。针对肾上腺分割有两方面因素需重点考虑：首先,在CT图像上,肾上腺与相邻组织的CT值相似,边界不明显。直接利用CT值难以刻画肾上腺与其他组织的差异,需要引入更具表现力的高维图像特征。实际上,高维医学图像特征已在针对其它部位的分割问题中得到成功的应用,如前列腺CT图像分割、肝脏超声图像分割、脑部肿瘤分割等。其次,我们发现肾上腺的形状有较强的统计规律性,形状先验信息可对肾上腺分割提供重要的指导信息,能否在分割框架中引入先验形状信息,是提高分割精度的关键。活动形状模型(Active Shape Model, ASM)是一种利用训练集的统计信息来建立自由形变模型的学习算法,因方便引入先验形状约束,已成功地应用于分割肺、心脏等组织和器官。本文在回顾总结当今国内外流行的医学图像分割算法的基础上,针对肾上腺CT图像的特点以及现有方法对肾上腺分割的有效性,着重讨论了支持向量机分类器和活动形状模型,提出了一种基于形状约束的三维肾上腺CT图像分割方法。论文的主要工作如下：(1)较为全面的综述了国内外流行的医学图像分割方法,依据算法的设计过程,对已有的医学图像分割算法进行了分类；对每种分割方法的基本概念、算法原理、应用领域和优缺点进行了总结。(2)利用三维haar-like特征刻画肾上腺的内外差异,提取高维图像特征对图像像素进行分类。(3)详细讲解了支持向量机与活动形状模型的算法流程。(4)针对肾上腺CT图像的特点,单一的图像分割方法对肾上腺分割效果不理想,本文提出了一种集成的图像分割方法：将基于高维图像特征分类方法与活动形状模型进行组合,利用各自的优势互补来提高分割的精度。