医学显微图像是临床医生和专家进行疾病诊断的重要依据,而医学图像分割技术就是从图像中提取出医师感兴趣的观察目标,以便于进行临床诊断和医学研究。特别是通过比较显微图像中细胞在不同病理状态下形态和大小等特征的变化,可以为病理分析和病情诊断提供新的科学依据。因此,图像分割的准确性直接影响到医生对疾病的真实情况作出正确的判断,并给出相应的诊断。然而,由于医学显微图像的组织结构和形状十分复杂,本身又具有的模糊和不均匀等特点,另外还受到图像噪声,成像质量等诸多因素的影响,传统的图像分割技术很难达到理想的分割效果。鉴于传统图像分割技术的局限性,本文提出了基于Snake模型的细胞分割新方法。首先,介绍了现今国内外主要的图像分割技术,并研究了常用的医学图像分割方法对本课题胃上皮肿瘤显微图像的分割效果。其次,重点讨论了本文所采用的动态图像分割技术——主动轮廓模型,其本质就是一条动态曲线,由内部能量和外部能量共同作用,在能量最小化的原则下不断变化并最终收敛到需要分割的目标边界上。在此部分,本文详细介绍了主动轮廓模型的基本原理、数学定义和计算方法,同时讨论了两种改进的主动轮廓方法。在分析了本课题研究图像的特点后,将基于梯度向量流的主动轮廓技术(GVF Snake)应用为本文显微图像的细胞分割方案,在实验过程中,针对分割过程中GVF Snake的不足之处,提出了一种改进的梯度向量流主动轮廓方法,实验的效果证明,改进的分割算法有着更高的精确度和效率。最后,本文将这种改进的分割新方法应用到本课题肿瘤图像处理软件中。