图像分割是图像获取和图像分析之间最关键的图像处理步骤,其目的是从复杂的景象中提取出感兴趣目标区域。对于医学图像而言,其分割结果的准确性对医生诊断病情并做出正确的治疗方案至关重要。但目前,计算机自动分割的结果往往不能令人满意,准确性也达不到医学图像的应用要求,而过于依赖人机交互过程也是实际应用不能接受的。因此,交互式分割方法的研究成为了医学图像分割的研究重点。本论文的重点工作是对医学图像序列的交互式分割方法研究,具体如下:1.针对传统的Live Wire交互式分割算法的不足,在代价函数和最优路径搜索这两方面进行改进。只要输入正确的交互点位置,改进的Live Wire算法便能够更加快速、准确地实现对医学图像的分割处理。2.提出了一种基于Canny边缘检测的医学图像序列交互式分割方法。首先,分析了Canny算子在边缘检测方面的优越性,并采用自适应双阈值计算方法对其进行改进。然后,采用交互的方式实现感兴趣目标的Canny边缘线提取,通过断裂边缘检测和连接、毛刺剔除等一系列处理,以提取到完整的封闭边缘信息。最后,引入形态学膨胀技术,实现对医学图像序列的快速分割处理。3.提出了一种基于GVF改进的Snake模型的医学图像序列的交互式半自动分割方法。首先,分析了传统Snake模型算法的实现原理和不足之处。然后,通过用户交互输入短线,实现对Snake模型的初始轮廓设置。接着,利用直方图增强的方法实现对GVF场改进。并在轮廓形变过程中及时调整轮廓点间距,从而将轮廓最终收敛到感兴趣的目标边缘位置。最后,通过相邻切片间的初始轮廓设定,完成对医学图像序列的快速自动分割处理。4.实验结果表明,这三种算法都能较为准确地实现对单幅图像的分割处理。Live Wire算法对交互者要求较高,输入交互点位置的偏移可能导致分割结果出错。而Canny算子提取到的边缘较为准确,但是受到噪声影响,未必能够提取到目标完整的封闭边缘信息。从整体上看,Snake模型算法最为理想,只需较少的交互操作便能快速、准确且稳定地实现医学图像序列的分割处理。