心脏的发育过程中是由一个小心血管开始的，通过研究小心血管的发育过程，可以帮助医学研究者分析先天性心脏病的形成原因，光学相干层析技术（ Optical Coherence Tomography, OCT）由于具有高分辨率、非侵入、无损伤以及实时成像等特点，已经广泛应用于生物医学以及医疗诊断领域。目前科研人员主要通过该成像技术对心脏的发育过程进行成像并研究，这将为先天性心脏病的形成提供一定的数据支持。要分析心管发育过程，一般要对OCT图像中的心管目标进行准确、精细的分割，从而获得精准的数据，为后期目标的三维重建和可视化提供数据基础。　　在图像分割方面，国内外学者研究了多种分割算法，其中基于活动轮廓模型的图像分割方法，由于能够自适应目标拓扑结构变化，而被广泛应用于医学图像分割。但是它也存在自身的缺陷,如基于边界的活动轮廓模型，由于利用了边界附近图像梯度的局部信息,因此对初始轮廓和噪声都很敏感；基于区域的活动轮廓模型利用了全局信息,对初始轮廓的敏感性较低,但该模型也有自身的缺点,图像中目标灰度均值和背景灰度均值相差不大时，分割效果不佳。所以使用活动轮廓模型分割方法应用于OCT心管图像分割也存在很多困难，首先是OCT图像含有大量斑点噪声，图像质量差，其次是OCT图像中心管目标边缘较弱，部分图像中存在边缘“缺失”。最后是心血管在OCT图像中并不是独立存在的一个组织结构，在心管周围还有其他组织，所以只是单独分割出心管是十分困难的。使用传统的水平集活动轮廓模型方法分割目标时，尽管能实现拓扑结构的变化，但是要分割存在“缺失”并和其他组织连接在一起的心管，几乎还是不可能的。为了解决这个问题我们主要从以下三方面做了研究：　　1)OCT图像的特点，我们首先研究分析了 OCT成像系统的原理，并从理论和实验两方面，分析证明了OCT图像中斑点噪声在空域和对数域的分布模型。OCT噪声模型的研究可以使我们更加清楚的了解OCT图像的特性。　　2)分析了传统的水平集分割方法，将基于边缘信息的GAC模型和基于区域信息的CV模型相结合，使得区域和边界特征同时影响曲线演化，提高了水平集分割模型的分割精度。　　3)研究基于先验形状约束的活动轮廓分割模型，主要包括先验形状的表达方式以及形状能量项的构造，由于传统的基于先验形状信息的分割方法要求先验形状信息必须与目标轮廓有相同的位置、大小、角度,这在实际应用中很难满足。本文研究了基于仿射变换将先验形状对齐配准，并通过PCA方法提取有效先验形状模板，将先验形状信息融合到传统水平集分割模型中，并考虑了模板的形变。在先验形状信息的约束下，使得在OCT图像中分割特定心管目标成为可能。　　4）将基于PCA的先验形状约束的分割模型应用在合成图像以及COT心管图像中，结果表明该方法能够解决目标被遮挡或者缺失的情况下，目标完整分割问题。大大的提高了活动轮廓分割模型的分割效果和准确率。