心脑血管疾病目前已成为对人类威胁最大的三大类疾病之首,血管造影图像是当前诊断、治疗和深入了解该类疾病的主要手段。磁共振血管造影技术(Magnetic Resonance Angiography,MRA)由于不需注入造影剂,无任何创伤,三维信息的获取容易实现,目前已在医院广泛使用。目前适用于脑血管的MR血管成像技术只有时间飞越法(Time of Flight ,TOF)血管成像技术和相位对比(Phase Contrast ,PC)血管成像技术。鉴于TOF法成像速度快,可用于观察血管与周围结构的关系,是目前医院使用最广的成像方法,因此,在本论文中所有试验都是以针对TOF MRA为主。磁共振血管造影图像的特点和血管结构的复杂性都对现有的图像处理技术提出了挑战。本论文以实现基于病人个体的血管三维分割重建这一应用为背景,主要针对基于统计分类的血管造影图像分割进行了深入的研究,主要开展了如下的工作:1.深入分析了当前主流血管造影图像分割技术,重点对基于统计模型的分割方法进行了研究。主要包括:有限混合模型聚类算法的原理、面临的问题以及解决对策,常用参数估计算法的选择。给出了常用马尔科夫随机场模型的能量函数和局部概率函数,对常用能量最小化优化算法的进行了对比分析研究。2.在充分考虑图像的高阶多尺度特征地基础上,提出了一种新颖的脑血管图像分割方法。首先,通过K最近邻法将高阶多尺度特征映射到一概率图像。随后,将灰度特征和概率信息同时并入贝叶斯分割框架。与仅依靠灰度特征的分割方法相比,新方法能够很好地克服飞跃法磁共振血管成像区域灰度变化大所带来的分割困难。实验结果也表明新方法可以获得更为准确的分割结果且不需要对分割结果进行后处理。3.提出了一种改进的自适应血管分割方法,首先,为了获得更为准确的分割方法,我们利用一个局部观测模型来取代全局观测模型;其次,对于二值分割这个特定应用,为了加快分割过程,在充分利用血管组织仅占颅腔5%这一先验知识的基础上,对迭代条件模式算法(Iterated Conditional Modes,ICM)进行了改进,改进后的算法极大的减少了分割过程的处理时间。为了验证所提算法的准确性和快速性,我们分别采用人工合成模型和实际临床数据对算法性能进行了验证。