常是查找高梯度值的像素，然后将他们连接起来形成曲线表示对象的边缘。串行边界查找方法在很大程度上受起始点的影响，
f以前检测像素的结果对下一像素的判断也有较大影响。其困难是如何连接高梯度的像素，因为在实际图像中他们通常不相邻。另一个问题是噪声的影响。因为梯度算子具有高通特性，噪声通常也是高频的，因此可能造成一些错误边缘像素的检测。早在80年代初，串行边界查找方法就被用于检测X射线的心9血管图像以及肺部图像的边缘。九十年代以来，随着医学影像设备的发展，可以获得更高空间分辨率和软组织分辨率的9图像，基于形变模型的方法也开始大量应用于医学图像，并取得了成功。基于形变模型的方法综合利用了区域与边界信息，是目前研究最多、应用最广的分割方法，可以宣称是过去几年计算机视觉领域的成功关键。在基于模型的技术中，形变模型提供了一种高效的图像分析方法，它结合了几何学、物理学和近似理论。他们通过使用从图像数据获得的约束信息（自底向上）和目标的位置、大小和形状等先验知识（自顶向下），可有效地对目标进行分割、匹配和跟踪分析。从物理学角度，可将形变模型看成是一个在施加外力和内部约束条件下自然反应的弹性物体。形变模型的主要优点是能够直接产生闭合的参数曲线或曲面，并对噪声和伪边界有较强的鲁棒性。还有一些形变模型利用了形状先验知识和标记点集合等先验知识，可以使分割结果更为健壮和准确。23基于水平集的分割方法水平集图像分割方法，是基于几何变形模型的分割方法，是将二维三维的闭合曲线曲面的演化问题转化为高维空间中水平集函数曲面演化的隐
f含方式来求解，适应于对拓扑结构变换的处理，其计算精度高，算法稳定。Ji
gYa
g和JamesSDu
ca
运用水平集分割方法，结合贝叶斯公式分割颅脑3维MRI图像，并与点分布模型法PDM进行比较证明前者有较好的鲁棒性；YChe
ou
e等应用水平集方法来分割心电磁共振图像，用以评价1心肌畸形。文献11中作者提出了一种基于水平集的心脏图像分割方法，成功地分割出图像中的感兴趣物体。由于水平集方法是把曲线面问题放到高一维的空间去考虑，通过追踪水平集函数的零水平集实现物体边界的提取。随着求解空间维数变大，相应的计算量也会成倍增加。但在医学的临床应用中往往有实时性要求，这就需要能在相对短的时间内成功提取12出感兴趣目标。24基于模糊集的分割方法图像分割问题是典型的结构不良问题，而模糊集理论具有描述不r