对医学图像进行分割是计算机辅助诊断治疗中一项重要的工作,也是医学图像处理和分析中一个重要的领域。本论文主要是对肌肉组织分割问题的研究和探讨。图像分割是从图像分析到图像处理的一个很关键步骤。目前随着医学成像技术的不断改进和提高,获取的医学图像质量、分辨率、包含的细节都在不断提高,对于传统的分割算法来说需要的时间也随之增加,这就促使分割算法通用性的降低。如何在医学图像中高效精确的分割出感兴趣器官已经成为一个前沿而又重要的研究领域。本论文是对医学图像分割的深入研究和腿部切片图像的实际分析后,而设计的一种肌肉组织的分割方法。因此,针对肌肉组织的分割,本文做的主要工作如下：1.基于水平集分割算法的研究。简述了Li水平集模型和C-V水平集模型的基本原理,分别对两种模型进行研究,分析两者的优缺点,并结合本文待分割的腿部图像特征,提出了改进方法。2.基于EM期望最大化算法的聚类研究。介绍了EM算法和高斯混合模型的概念。通过引入Mean Shift算法来初始化EM参数,以便对高斯混合模型参数的估计。把这个分割方法应用在腿部切片图像的分类上,并对实验结果进行了分析。3.肌肉组织分割研究。对腿部切片图像中肌肉组织的分割设计了一种方法,分割方法的步骤为：(1)双边滤波去噪；(2)基于EM算法及高斯混合模型的分类,其中使用Mean Shift算法对EM参数初始；(3)基于水平集的分割方法精确分割图像,从而得到我们感兴趣的肌肉组织。