医学图像分割是计算机图形学和数字图像处理技术在生物医学工程的重要应用。医学图像涉及的往往是人体的组织，成分复杂、多样;对于不同的人体，组织结构也有差异性;由于目前医学成像技术具有一定的限制，使得医学图像存在大量的噪声、图像中目标物体部分边缘可能局部不清晰，这些给医学图像的准确分割造成了很大的困难，因此，如何将医学图像中的目标物体边界信息提取和准确分割，对疾病的诊断和治疗有着非常重要的临床意义，而且也是图像三维重建和医学图像可视化的基础。　　 现有的医学图像分割算法主要有:基于阈值选取的分割、基于区域的图像分割、基于边缘检测的分割以及基于特定理论的分割方法等，这些方法对清晰图像分割效果很好，但是都对信噪比较高的医学图像，分割效果不够理想，同时这些分割方法在对弱边界的复杂医学图像进行分割时很难捕获细小的目标轮廓，容易产生假边界或不连续边界，而且这些算法大部分都是针对灰度图像的，没有充分利用彩色图像中的颜色信息，因此研究一种能够捕获弱边界，并且充分的利用颜色信息的医学图像分割算法成为了研究的热点。课题针对复杂医学图像特性，提出了混合Snake算法来分割图像。首先，由于医学图像含有多个组织，选用高斯混合模型来表示医学图像的概率分布;然后，在构造混合Snake模型能量函数的外部能量时，利用信息论中类不确定性原理，引入局部强度驱动的“适应力”，作为一种外部力，来控制Snake的变形，从而抑制混合Snake模型在弱边界背景处不受控制的膨胀;另外，利用像素在加权HSI颜色空间中的欧式距离代替传统方法中利用像素灰度差分来近似图像梯度，引导出另外一种外部力——“梯度力”，使得混合Snake轮廓线在边界临近处不会出现动荡，并且将该模型用到彩色图像中。混合Snake模型的外部力有两部分组成，因此该模型称为混合Snake模型。　　 实验仿真结果表明，混合Snake模型对初始轮廓的依赖性不高;对噪声不敏感;对医学图像的模糊边界处轮廓收敛效果更好;又由于利用颜色信息，它还能将彩色图像中灰度值相同，饱和度不同的目标物体分割出来。