因环境变化导致皮肤病变异,其种类持续增多,发病率以及致死率也在不断升高,已经得到世界卫生组织的关注。目前,皮肤病诊断大都采用传统临床诊断方式,极大依赖于医生的临床经验。若辅以计算机视觉、数字图像处理等先进的信息处理手段,构建皮肤病图像内容理解及计算机辅助诊断系统,对皮肤病的早期预测与科学治疗有着十分深远的理论研究和应用价值。本课题主要研究色素性皮肤病辅助诊断的部分关键技术:皮肤病图像分割和特征提取等。通过对这两个关键部分的深入研究,本文的主要成果包括:(1)提出了基于局部全局二值拟合LGBF的改进模型LGBF-V。通过曲线演化理论进行图像分割,能够实现皮肤病图像中目标区域的“全分割”要求,与传统的活动轮廓模型相比,能显著提升分割效率。(2)基于色素性皮肤病图像的独有特性,提出了基于朴素贝叶斯分类器的颜色直方图特征提取方法。该方法能显著降低颜色特征的维度,且尽可能保留图像的固有颜色信息,有利于提升图像识别分类的精度。(3)基于典型相关分析CCA方法将颜色、纹理和形状特征进行有机融合,能克服单一特征识别的弊端,显著提升图像识别的精度。实验验证表明,本研究提出的LGBF-V改进模型能有效实现皮肤病图像的“全分割”要求;提出基于贝叶斯分类器的类直方图颜色特征提取方法能够有效提取颜色特征,能有效降低特征维度,并保留图像的固有信息;将颜色、纹理和形状特征进行智能融合,借助SVM分类器进行皮肤病图像的训练和分类,获得了较满意的识别精度。