医学图像分割是图像研究中的一个重要领域。由于医学图像的复杂性,普通的图像分割模型不能满足医学图像分割的需要。变形模型是近几年发展起来的一种新的图像分割方法并被广泛应用于医学图象分割中。变形模型分为参数变形模型和几何变形模型两种。最近约翰斯.霍普金斯大学的Xu Chenyang提出了GVF变形模型,通过扩展外力在图像区域的作用范围,改善了传统变形模型对初始轮廓的敏感性以及不能进入图像边界凹口的弱点。但对于含有又深又细凹口的复杂图像,GVF方法依然无能为力。 本文提出了迭代梯度矢量流参数变形模型(IGVF)。IGVF方法迭代使用GVF,每一次迭代时对上一次GVF产生的结果进行调整做为新的初始轮廓。轮廓调整主要在图像中又深又细的凹口附近GVF无法进入的区域进行。本文还对去除噪音和边缘检测等图像预处理技术作了深入的探讨。 最后,本文将IGVF和图像预处理技术应用于实际的医学图像分割中,包括人的小腿与大脑切片图像。其中大脑切片图像含有大量复杂的边界和又深又细的凹口。实验结果表明,相比与GVF方法,IGVF方法对边界复杂且具有又深又细凹口的医学图像分割效果良好,且迭代次数少。