1、惡性黑色素瘤是當今世界增長最快的癌癥之一。皮損區(qū)域分割,即皮損區(qū)域的邊緣檢測,是基于皮膚鏡圖像的計算機自動診斷的重要環(huán)節(jié)。然而,在處理大小、顏色、紋理、結構變化多樣的皮損區(qū)域時,現(xiàn)有單一的皮膚鏡分割算法僅能粗略地獲取皮損區(qū)域,且分割結果缺乏穩(wěn)定性,有時甚至會出現(xiàn)分割失效的情況。這極大限制了基于皮膚鏡圖像的計算機自動診斷技術在醫(yī)學臨床中的應用。
　　為解決以上皮膚鏡圖像自動診斷的技術瓶頸,本論文對皮膚鏡圖像預處理、分割、后期處理算法

2、進行了深入的研究和探索,主要研究內容包括:
　　1.研究和實現(xiàn)了一整套皮膚鏡圖像預處理算法,包括黑框移除、氣泡移除、毛發(fā)移除、對比度增強、最優(yōu)顏色分量選取等。其中,本文提出的一種毛發(fā)移除算法,不但能定位和替換毛發(fā)像素,而且能修復毛發(fā)所遮擋的原有皮膚區(qū)域,為準確的皮損區(qū)域分割打下了堅實的基礎。
　　2.研究和提出了兩種對不同皮損分割算法進行有效融合的算法。第一個融合算法為基于區(qū)域一致性的融合算法。該算法根據區(qū)域大小、灰度值、紋

3、理的一致性,移除與基準皮損區(qū)域矛盾的分割結果,最終形成統(tǒng)一的皮損區(qū)域。第二個融合算法為基于馬爾科夫隨機場的通用融合算法。該算法將彩色圖像分割算法和非閾值算法引入到融合框架中,有效地利用了鄰域和顏色信息對分割結果進行融合,并利用迭代條件模型得到最優(yōu)分割結果。
　　3.研究和實現(xiàn)了一整套皮膚鏡圖像后期處理算法,包括像素標記、子區(qū)域合并、孤島移除、孔洞填充、邊緣平滑和膨脹。該算法有效減少了皮損區(qū)域自動分割結果同皮膚科專家手工標記邊緣的差