医学图像处理与识别方法的研究具有显而易见的重要理论意义和实用价值。本文对人体甲状腺等CT图片进行了分割、融合与识别方法的研究，以实现人体图像的计算机辅助诊断，为医生的临床诊治提供一定的参考与帮助。首先，对人体甲状腺图像进行了直方图修正、去噪和锐化等预处理，使得图像便于机器描述和分析。其次，在对图像分割基本原理和常用算法分析研究的基础上，针对人体甲状腺等图像的特点，提出了一个改进的基于前景与背景比例的迭代阈值分割算法：首先使用Sobel算子8个方向模板对图像进行边缘检测；然后设定初始阈值，并将前景与背景的比例作为权值进行阈值迭代；最后将迭代结果作为最终阈值进行图像分割。然后，分析研究了图像融合的原理和常用方法，针对人体图像分析及处理的需要，给出了一种将阈值分割图像与边缘检测图像相结合的图像融合算法，得到便于人和计算机描述的细节信息丰富且边缘光滑的融合图像，为医生对病人的确诊提供了帮助。最后，在对人体甲状腺CT图像进行分析研究的基础上，针对其病变特点，提出将面积比例作为分类的特征；然后在分割的基础上提取分类特征，并利用K近邻算法对甲状腺CT图像进行分类。实验结果验证了目标分割和融合所得图像边界连续、光滑，与传统的边缘检测及迭代阈值分割算法相比，分割和融合效果更好。实验结果也验证了所定义的特征和识别方法对甲状腺正常和异常分类的正确有效，从而为实现甲状腺的计算机辅助诊断提供了新的途径。