可形变模型最初被设计用来解决计算机视觉和计算机图形学中的问题,但它在医学图像分析中的潜力被发掘,并被应用到医学图像的边界检测、匹配、运动追踪、形体表征等多种图像处理技术中。本文从理论研究的角度出发,对参数可形变模型方法的理论背景进行了详尽的阐述,比较了几种代表模型的性能。基于三维组织分割在医学序列图像研究中的重要性,本文着重讨论了主动曲面模型求解所涉及的问题,并将其应用于应用项目神经外科导航系统的人体脑部医学序列图像的组织分割。 本文列举了传统高斯势能力模型、多尺度高斯势能力模型、气球模型、梯度矢量流模型和广义梯度矢量流模型等有代表性的参数可形变模型方法,并通过简单的实验对每种方法的优缺点进行了验证和对比。对参数可形变模型必须解决的变分问题,本文给出了梯度下降法、动态规划法、贪婪算法、DDCM模型几种常用的差分方程求解方法。 本文着重讨论和分析了主动曲面模型。定义了离散曲面的表示结构,以及基于该结构的相关几何参数的定义；提出了基于该离散曲面的内力定义,该内力可以有效保证曲面在形变过程的光滑性；在三维空间拓展了动态离散轮廓模型,并改进了外力形式以更适合主动曲面模型的形变；详尽讨论了主动曲面模型形变过程中的初始曲面设置,参数选择,重采样,可变移动步长和收敛判断等重要问题,并提出了解决方法。 最后,根据神经外科手术导航系统的需要,将讨论的主动曲面模型应用于脑部医学序列图像的头皮组织提取,取得了良好的效果；通过与传统医学序列图像分割方法的比较,验证了本文的主动曲面模型的有效性和优越性。