肺是人体呼吸系统的重要器官,由于大气污染,病毒和细菌感染、吸烟等原因,肺部疾病严重威胁着人们的身体健康。计算机断层扫描（Computed Tomography,CT）技术的出现,使得人们可以获得人体组织的三维空间结构,医学图像可以立体化。然而,如何快速、精准地从胸部CT图像中提取出肺部血管信息一直是研究人员的一大难题,准确的血管结构可以为疾病诊断、手术规划提供重要的信息。图像分割技术在医学图像的处理中起着非常重要的作用,而胸部组织结构复杂,且胸部图像不可避免地受到噪声影响,图像模糊不清,仅通过原始医学图像很难得到清晰的血管结构。因此,图像分割是从处理到分析的转换关键,有必要深入研究肺部血管分割方法。结合水平集算法的活动轮廓模型方法是一种在医学图像分割中常用的方法,本论文的主要研究内容围绕水平集方法和肺部血管分割展开,主要内容总结如下:首先,针对现有水平集方法初始化敏感,鲁棒性不高的问题,以Chan-Vese模型和局部拟合模型为基础,提出一种融合全局拟合与局部拟合的混合水平集模型。该模型利用全局信息和局部信息来驱动曲线演化,并通过双边滤波增强图像边缘信息,在真实图像和合成图像进行了测试,取得了良好的分割结果。其次,针对血管图像结构细微且复杂,血管边缘模糊而难以分割的问题,提出一种融合血管特征的水平集模型。首先利用Hessian提取血管特征构造先验信息函数,其后将其嵌入到水平集模型中,并给出了模型的求解过程。最后,利用新模型在胸部CT图像上进行了肺部血管分割,并将结果进行三维可视化展现。引入Dice相似系数,Jasscard相似度系数,精确率,召回率以及Hausdorff距离五个客观性能评估指标对分割结果进行评价,并将新模型与经典模型的分割结果进行比较,证明了本文方法的优越性。