图像分割作为图像分析与图像理解的前期步骤，是计算机视觉领域中最基本、也是最困难的问题之一，分割结果的好坏直接影响到后续工作的优劣。　　 医学图像分割的目的是把图像中具有特殊含义的不同区域分割开来，并使分割结果尽可能地接近解剖结构，从而为临床诊疗和病理学研究提供可靠依据，有利于制定最优的治疗方案及手术规划，在医学研究中具有重要的意义。　　 对马尔可夫随机场（MRF）方法的探讨及应用是图像分割中一个很活跃的研究领域。本文改进了基于MRF的传统条件迭代模式算法（ICM）。初始分割后，将图像像素点分为稳定点和不稳定点两类，用队列存储不稳定点，每次迭代只对不稳定点计算，减少了运算量，提高了效率。　　 肝脏虚拟手术系统实现的一个基本前提是把肝脏及其管道从腹部CT图像中分割出来。传统的人工分割方法耗时耗力，精确度不高。为此，我们急需探求一种有效的肝脏及其内部管道的计算机分割技术。本文根据腹部肝脏CT图像的特点，改进了无需初始化的水平集方法，并利用CT序列图像之间的相关性，提出了一种基于改进水平集的CT序列图像的分割方法。同时，实现了基于K均值聚类的序列图像分割方法。通过实验证明，可以取得良好的效果。　　 首先，本文介绍了课题研究的背景与意义，概述了国内外医学图像分割的发展现状和趋势，以及本论文的主要研究内容和结构安排。本文分析了当前常用图像分割算法，比较其优缺点。　　 其次，介绍了基于马尔可夫随机场的图像分割方法，并改进了ICM算法。　　 再次，本论文根据腹部肝脏CT图像的特点，结合CT序列图像之间的相关性，提出了一种基于水平集的CT序列图像分割方法和基于K均值聚类的序列图像分割法，通过实验验证，可以得到较好的结果。　　 最后，对整个论文的工作进行了总结与分析，并指出了进一步研究的方向。