医学影像技术的出现和发展极大的便利了现代医学的临床诊断,医学影像技术是由医学成像和后续的图像处理技术组成的。其中医学图像处理主要包括图像轮廓分割、图像配准、组织器官重建、手术方案规划等。其中图像分割是后续处理的基础,其结果可以用于组织器官测量、结构重建。临床上对于脊柱这种密度较高的骨组织多采用CT成像,但因为CT图像本身存在模糊效应,这给计算机自动分割带来不小的挑战。为此本文采用基于隐马尔可夫随机场的脊柱CT图像分割方法。为了验证本文算法对脊柱CT图像分割的有效性,首先对原图像进行增强,通过锐化脊柱椎体的边缘、消减噪声、增加对比度等方式使CT图像中的椎体更加明确。在增强后的图像的基础上,对脊柱CT图像应用隐马尔可夫随机场进行建模,其中标号场采用MLL模型,特征场上采用高斯混合模型。之后利用最大后验准则引出能量函数,图像处理被转化为求解数学上的最优解问题。最后利用期望最大化算法进行图像分割,考虑到该算法容易陷入局部极值,应用模拟退火算法得到全局最优解,但是模拟退火算法的处理速度不甚理想,所以加入振动点和条件迭代算法的思想,一方面在每次迭代之前去掉已经稳定的像素点,以此减少每轮所要遍历的像素点数目。另一方面运用条件迭代算法替换模拟退火算法的中间迭代过程。本文在MATLAB平台下对135幅脊柱CT图像进行分割,将本文算法、对比算法的分割结果分别与医生手动分割的结果进行比较,以此验证了本文算法的精确性。而后又在处理时间上将本文算法与对比算法进行了比较,以此验证本文算法在处理速度上的提升。