图像分割是医学图像处理中的重要研究内容之一,指从医学图像中准确提取目标物体。它是三维重建的基础,也是医学图像处理系统在临床上得以实践的基础。实现快速、精确的分割,可以满足手术计划的要求,确保临床应用的精确性,指导临床医师的后续工作。本文首先对医学影像分割的基础知识进行概述,包括医学影像分割算法的研究意义、研究现状、分割评价等；其次基于小波分解和Markov场对CT/MRI图像分割中边缘轮廓信息提取问题进行研究,以克服轮廓边缘定位不准和非平稳性的缺点。然后,利用稳健统计理论来研究图像特征表示,以克服图像中噪声的不稳定性,并利用水平集的稀疏场方法研究图像轮廓的演变。本文主要进行的研究如下：(1)提出一种基于小波分解和Markov随机场的CT/MRI医学影像分割算法。该算法利用小波金字塔分解得到的多尺度分布较好的提取出图像的边缘轮廓信息,通过分层Markov建模,并借助最大后验概率准则克服了其边缘定位不准及非平稳性困难的缺点。实验结果表明,该算法有效地提高了图像分割的质量。(2)提出一个基于稳健统计的分割方法,利用水平集的稀疏场方法对初始化的水平集进行轮廓演化。通过用户来提供标记的种子点,用稳健统计量来描述对象的特征,充分利用种子周围的图像信息,更适用于纹理和噪声图像,分割的边界更光滑；轮廓演变过程用基于稀疏场的方法,快速准确的进行曲线演化一直到达理想边界,从MRI和CT图像中提取出待分割目标。实验结果表明,该算法对MRI和CT图像中器官和肿瘤的分割都有较好的结果。