在医学图像处理中,血管的三维可视化具有广泛的应用。它不仅可以帮助了解血管生理形态、解剖结构及血流状态,而且还能在血管疾病诊断等方面发挥重要的作用。此外,在医学图像辅助诊疗平台中,精确的手术路径规划对手术的成功进行具有极其关键的作用。例如在肺癌介入式诊疗中,准确的肺部血管分割可以为术前规划和手术中的图像导航提供可视化条件,以避免破坏主要的血管而对病人造成不必要的伤害。尽管简单的阈值分割算法可以对不同灰度范围的组织进行分辨,其不精准的结果并不能应用于手术。近年来,活动轮廓模型的水平集算法开始广泛并且成功的应用于对医学图像中各种组织器官的分割。然而,传统算法中对高曲率的抑制作用降低了演化曲线在沿血管方向进化的速度,因此造成对血管分割的困难。本论文提出了一种新的基于管状特征的水平集算法,消除了对高曲率的阻碍作用,引导曲线在演化过程中沿血管方向较快地行进。同时,水平集曲线可以根据血管和背景点分布的概率密度函数判断来进行扩展或是收缩的演化方向。新算法在实际的血管CT图像中进行了实验,结果证明其能够快速并且有效地对三维血管进行分割。