血管类疾病严重威胁人类健康，同时介入性治疗需要对血管、神经等细微性组织进行高度识别，这些医学需求使人们对各类血管图像的分割问题愈发关注，对于血管图像的分割方法研究日益成为国内外学者的研究热点。针对血管分割这一具体问题，本文选取较为流行的活动轮廓模型为研究对象，并考虑到血管结构的特殊性，提出一种基于形状指数—灰度二维特征空间的活动轮廓分割框架，并将其与经典全局CV模型和局部LBF模型结合，提出一种新的血管分割方法。本文主要取得了以下成果：1）为了减少分割过程中的人工干预和专家设定，区别于传统活动轮廓模型手动提取初始轮廓的做法，本文提出一种添加空间邻域信息的模糊C均值聚类SFCM(SpaceFuzzy C Means)方法进行初始轮廓设定。相比传统意义上的手动设定和模糊C均值聚类设定，该方法更好地保持了初始轮廓的空间连续性，能够有效防止由于单单采用灰度信息进行聚类而可能造成的初始轮廓断裂现象，并能有效提高后续活动轮廓算法的收敛速度，进一步加强分割算法的抗噪性。2）医学图像往往会存在大量噪声和灰度不均匀现象，因而仅利用灰度特征指导目标分割效果并不理想。本文根据微分几何理论以及Frangi提出的多尺度血管形状模型，提出了二维管状和三维曲面管状结构的形状指数公式，并构成形状指数—灰度的二维特征空间，有效提取图像像素的多项特征信息，并运用于基于巴氏距离(Bhattacharyyadistance)的活动轮廓模型中。3）本文选取基于区域信息的无边缘活动轮廓模型（CV模型与LBF模型）作为核心模型，融合形状指数—灰度二维特征，对CV模型与LBF模型进行调整，提出BCV和BLBF模型。BCV模型运用巴氏距离来代替差值平方这一度量手段，用像素邻域的二维特征统计信息来代替单像素点的灰度信息，用对比区域间分布情况这一方式来取代对比单点像素间灰度差距的方式。同时，针对CV模型难以处理灰度不均匀图像分割的问题，本文以局部匹配LBF模型为基础,运用巴氏距离对能量泛函进行变形，形成具有局部统计信息匹配能力的BLBF模型，有效解决了灰度不均匀图像的血管分割问题。