图像理解是机器视觉中的高层处理，它包括从图像中识别目标并建立有关目标、目标之间以及目标与人之间的三维关系。由于图像的离散特性以及采集传输过程中噪声的干扰，数据往往是不完整的，因而机器视觉中的很多问题如目标边缘提取，表面重建等是病态的。数学上解决病态问题的方法是正则化，可形变模型的计算基础即是正则化。基于可形变模型的图像理解是一个自顶向下的过程，它将目标形状的初始估计，曲线(曲面)的几何性质，来自图像的知识和先验知识融于一个统一的过程中，对目标边缘提取和目标表面重建等问题提供了较好的解决办法。心脏核磁共振图像分析是机器视觉的一个重要的应用领域，它需要提取左心室轮廓(以及标记线)，重建左心室的表面(以及非刚体运动)。本文对可形变模型的理论进行探讨，并用可形变模型来解决心脏核磁共振图像分析中的分割与表面重建问题。 Snake模型是可形变模型的2D表现，本文首先在“问题+正则化”的框架之下，综述了Snake模型现有的研究成果，并将这些成果归纳为曲线的表达，求解算法，初始化，约束项，图像的作用形式，拓扑变化，运动跟踪等七个方面。 GVF Snake模型对改善轮廓初始化以及深度凹陷区域的分割性能较好，但本文指出，GVF Snake模型的理想外力场并不是GVF泛函所对应Euler方程的收敛解，而只是一个中间结果；本文独立发现了GVF Snake模型的临界点问题，首先研究了临界点的影响因素，这对生成一个合理的GVF场具有指导意义；证明了文献上将GVF看成粘性流体力学的层流模型来解决GVF Snake模型临界点问题的理论基础是错误的，并为临界点问题提出了一个简单实用的解决方案。 探讨心脏核磁共振图像左心室轮廓提取问题，分析了心脏核磁共振图像的特点以及左心室轮廓提取的难点。针对左心室外轮廓提取问题，提出了预测-校正两步形变Snake模型，它将传统Snake模型的形变结果作为对轮廓新位置的预测，基于左心室外轮廓形状的先验知识对预测的结果进行校正，使得Snake的形变由预测、校正两步来完成。该模型的理论意义在于它改变了传统Snake模型中约束的引入方式。大量试验表明，该模型对于左心室外轮廓提取也是有效的。 将极坐标变换和Snake模型相结合，提出了一种左心室短轴轮廓的跟踪算法。该算法充分考虑左心室的形状特点，通过极坐标变换将近似为圆形的左心室短轴轮廓拉伸为一条近似的直线，在基于Snake模型提取该直线时可以得到一系列的好处；该算法还充分考了左心室的形变特点，引入了新的约束，提高算法跟踪的鲁棒性。大量试验表明了该算法的有效性。 基于分割好的左心室轮廓，本文探讨用3D可形变模型重建左心室的表面。从基摘要博士论文于标记线的左心室非刚体运动重建的需要出发，本文提出了左心室的新模型:参数为函数的圆柱壳模型，构造了模型的内能，外力，也给出了一个左心室长轴的估计算法，重建了左心室的表面并跟踪其3D运动。基于表面重建的结果，计算了左心室的每搏容积，射血分数等全局形态参数，为临床诊断提供参考，也为基于标记线的左心室非刚体运动重建打下基础。 在医学图像分割中常遇到的问题是分割结果的客观评价和分割中的交互机制，本文最后讨论了这两个问题。分析了分割结果的客观评价中存在的若干问题，总结了对这些问题的解决办法，这对我们进一步开展该领域的研究是有裨益的。在医学图像分析的很多应用中，用户的干预成为获得准确分割结果的必要，本文总结了医学图像分割中人机交互的表现形式，这对我们设计一个高效的分割算法具有重要的借鉴意义。关键词:图像理解，可形变模型，Snake模型，图像分割，表面重建，左心室，心脏MR图像