X光胸片是肺部病变临床检测主要的医学影像检查手段之一。但是临床实践表明，单纯依靠放射医生读片检测X胸片中的病灶，常常会导致很高的病灶漏检率。导致X胸片中病灶漏检的一个主要原因，就是因为X胸片成像时，胸部不同部分结构在X胸片上相互重叠，从而导致肋骨或锁骨遮挡相应的肺部软组织与病变组织。因此将X胸片图像中肋骨遮挡重叠部分去除，暴露相应的肺部软组织与病变组织，对提高肺部病变的临床发现和诊断有重要的价值。　　从X胸片图像中去除或抑制肋骨图像的关键是肋骨检测。目前已经有很多可用于X胸片肋骨检测的方法，其中比较常见是基于Hough变换的检测方法，其基本原理是利用点与线的对偶性，将图像空间的线条变为参数空间的聚集点，从而检测给定图像是否存在给定性质的曲线。但是，已有Hough变换算法多数计算量大，并且需要很大的存储空间，而且都是假设图像在计算机中能用理想的模型来描绘。然而在实际的检测肋骨的应用中，由于图像存在的噪声、有时数字化误差等因素影响，真实的边界在计算机中经常会失真。　　针对上述问题，本文进行了如下工作，在对Hough变换进行了深入研究基础上，提出一种基于改进的快速Hough变换的肋骨检测算法，改进方法的思路是:首先利用PCA对给定X光图像中的聚集点集合进行降维处理，然后针对降维后的聚集点集合，找到所有由每一对点决定的边界段，随后找到所有点的子集进行组合直到接近于一条抛物线，在此基础上完成对肋骨的检测。　　针对上述算法在检测精确度方面的不足，本论文提出一种结合活动轮廓模型的Hough变换肋骨边缘检测方法。首先依据医学解剖学知识，利用Hough变换对X胸片中的肋骨边缘做初检测定位。（为了减少检测时间，在利用Hough变换检测肋骨边缘之前，先对X胸片图像进行了隔离胸廓限制搜索肋骨区域操作运算。）然后利用基于边缘的活动轮廓Snake模型，根据X胸片肋骨图像能量特点，对肋骨边缘像素做进一步的检测，之后运用高斯曲线对胸部肋骨进行细分得到精度较高的肋骨边界。实验结果通过对比灰度图像检测法与LBF（局部活跃能量检测法）表明，上述算法能够对X光图像肋骨边缘进行检测，得到了比较好的效果，有一定的抗噪声性能。