随着人们生活水平的发展,心脑血管疾病已严重地威胁着人类的身体健康。脑血管分割也已成为当今医学影像后续处理领域的热门问题。但由于脑血管解剖结构的复杂性、脑部不同区域灰度和对比度的不统一和病态结构的多变性等问题,使得脑血管的精准分割成为了一个尤为困难的问题。现有的大多数脑血管分割算法存在不能处理脑部医学影像中灰度和对比度不统一的问题,因而造成分割结果普遍存在脑血管的断裂和噪声点等现象。我们利用脑血管的上下文约束和形状约束来避免噪声点的影响,修补对比度较低的血管断裂段。本文先基于3D堆叠直线,利用多步回归对脑血管进行线性形状约束,获得脑血管的粗分割,进一步使用MAP-MRF框架对脑血管的粗分割结果进行上下文约束,从而获得脑血管的精准分割。本文的主要贡献包括:(1)基于多步回归的3D直线掩膜构造。该方法将3D直线的检测分为两次2D直线的检测,每次通过线性回归获得3D直线的参数,并利用这些参数和DDA算法及数学形态学生成有宽度和厚度的3D直线掩膜,最终在此基础上实现脑血管的粗分割以降低医学影像的噪声对分割精度的影响。(2)基于MAP-MRF框架的脑血管精准分割。首先利用粗分割结果初始化标签场,然后使用GMM分别为脑血管与背景建模,接着根据脑血管与背景的分布函数和Potts模型计算出标签场与观测场的能量,最后根据ICM算法寻找最小后验能量,从而得到新的标签场,直到达到停止迭代的条件停止迭代。最终获得的标签场就是脑血管的分割结果。