图像分割与骨架线提取方法是图像处理、计算机视觉、模式识别等领域内的关键问题。图像处理技术在生产、生活各个领域中被广泛应用，为我们带来了重大的经济和社会效益。近年来，这一技术应用的深度和广度不断扩大，发展势头有增无减。本文对图像处理技术中的分割方法与骨架线提取方法进行研究，提出了一些新的算法，并主要将它们应用于医学图像的处理与光干涉条纹图像的分析中。研究所获成果如下： 基于Snakes模型的基本原理，提出了改进Canny-Snakes边缘检测算法，并成功应用于医学图像的边缘提取中。该方法由于采用Canny算子来得到目标图像的图像力，使图像力分解产生的GVF场更为有序，提高了提取精度与抗噪声能力，使Snake曲线能更好地逼近目标图像的边缘，非常适合应用于噪声大、图像模糊的医学图像的边缘提取中。 作为本文的重点，结合GVF Snakes模型与数学拓扑学原理，提出了针对光干涉条纹图像的骨架线提取算法。本算法在执行过程中，首先根据GVF Snakes模型产生对全场的梯度矢量流场(GVF场)，并根据数学拓扑学原理对所产生的GVF场的每一点进行运算得到鞍点与结点，最后根据骨架的特性与鞍、结点的性质，找出目标图像的骨架线。本算法在执行过程中，通常并不需要对原图像进行常规的去噪、二值化等操作，最大限度的保留了图像信息；同时，克服了传统骨架线提取算法经常表现出的桥连、分叉、精度不高、过度细化等缺点。Snakes模型普遍应用于图像的边缘提取当中，本文所设计的骨架线提取算法，则把Snakes模型的特性，很好的应用于光干涉条纹图像的骨架线提取中。通过实验与分析我们可知，本算法具有良好的提取效果与应用价值。