近年来,基于图论的图像分割技术,由于在各个领域的应用表现出了较好的分割性能,因而成为当前国际学术界研究的热点。该技术有以下特点:基于图像和图论特性之间存在的对应关系,将图像分割和局部信息处理结合起来,减少了分割中产生离散点所造成的误差,从而分割效果更加优异。本文重点研究了归一化割与图切割这两类基于图论的图像分割技术在医学寄生虫图像中的应用,针对不同的应用场景,由于结合了先验知识,收到了很好的分割效果。并在分割的基础上,研究并提取血吸虫卵的特征,使用LS-SVM对血吸虫卵进行分类识别。本文的主要工作分为:(1)首先探讨了医学图像处理常用的图像分割技术;其次分析了常用的基于图论的图像分割技术种类以及各自的特点;最后分析了国内外寄生虫、细胞识别与分割近况。(2)针对当前疾病防控中心和医院检测血吸虫病方法存在的效率低下、准确率较低的现状,在归一化割的基础上,提出一个新的算法ANcut。ANcut算法采用基于灰度级的权值矩阵来代替通常所用的基于图像像素的权值矩阵,避免特征值和特征向量的计算,提高了运行速度。同时,ANcut算法结合了血吸虫卵先验知识,自动计算最优的分割块数。与经典的阈值分割算法比较,ANcut算法可以准确的分割出血吸虫卵的边缘,有利于血吸虫卵特征提取与计算。(3)根据疟原虫图像的特点,提出一种基于像素间相似性和先验知识的图切割算法——GC-SBP算法,该算法不需要用户交互式的参与分割,与经典的图切割算法相比该算法可以更好将疟原虫从疟原虫图像中分割出。GC-SBP算法相比传统的图切割算法有三点改进:结合了先验知识,分割结果更加精确;使用YCb Cr颜色空间来代替传统的RGB颜色空间,因为YCb Cr颜色空间具有更好的聚类性能,并且Y、Cb与Cr三个颜色分量彼此是独立的,可以更好的反映图像信息,有效的计算区域块之间的相似性;GC-SBP算法在计算相似性时,使用区域相似度来代替像素点之间的相似度,从而减少运算量,提高了运算速度。(4)在ANcut算法分割的基础上,精确的提取血吸虫卵特征。使用最小二乘支持向量机(LS-SVM)构造二值分类器,实验表明血吸虫卵的识别率高,达到了疾控中心检测的要求,具有较高的实用价值。