近年来,甲状腺结节发病率呈现出逐年增长趋势,已成为危害人类健康重要疾病之一。超声医学图像以其廉价性、无辐射、费用低等优点,被广泛应用于临床诊断中。利用图像处理技术准确分割出结节区域,给医生的诊断提供重要的辅助信息,对指导临床治疗有重要价值。由于超声甲状腺图像分辨率及对比度较低,且斑点噪声严重,不同的人群结节大小、位置及形状差异度较大,大大影响了结节分割的准确性。本文以超声甲状腺图像为研究内容,以主动轮廓水平集法作为分割基础,提出两种甲状腺结节分割算法。首先提出了基于全局与局部结合的水平集分割模型。该算法在传统局部LBF模型中加入了具有全局指向性的面积能量项,解决了LBF模型对初始轮廓敏感及容易陷入局部极小的缺点。利用LBF模型的调整项调节本文水平集的长度和光滑性,最小化能量泛函后得到演化水平集方程。通过与传统的CV模型、LBF模型进行分割对比,实验表明本文算法分割准确度更高。其次,融合模糊核聚类与改进的距离正则化水平集模型,提出了第二种分割算法,解决了距离正则化水平集模型对初始轮廓敏感、演化参数需要人工设定及分割弱边缘能力较差的问题。算法先利用模糊核聚类算法粗分割出结节区域并二值化作为水平集初始演化轮廓,然后利用初始演化轮廓围成的区域自动计算出水平集演化参数,最后采用高斯正则化规则演化水平集分割出甲状腺结节区域。与CV模型、LBF模型与DRLSE模型进行对比实验,实验结果表明本文提出的两种算法能更准确地提取甲状腺结节区域。