恶性黑色素瘤,是一种发病部位在皮肤表面,由人体黑色素细胞产生异常增生而诱发的恶性肿瘤。在皮肤癌的死亡病例中,恶性黑色素瘤引起的死亡人数约占总数的2/3。通常,恶性黑色素瘤在发病早期症状并不明显,通过肉眼观察进行诊断的难度较大,极易因漏诊而形成扩散。治疗恶性黑色素瘤的最佳方法是:利用皮肤镜进行早期诊断,并通过简单的切除手术来消除恶性黑色素瘤的威胁。然而,医生用皮肤镜图像进行诊断时,通常存在大量的观察者内和观察者间主观性。即针对同一病例,同一医生的诊断过程难以完全重现,不同医生得出的结论也可能不同。因此,本文基于皮肤镜图像对黑色素瘤的计算机辅助诊断方法,进行了深入的研究,这对黑色素瘤的诊治具有至关重要的意义。鉴于准确的黑色素瘤特征提取在基于皮肤镜的黑色素瘤计算机辅助诊断方法中具有重要作用,本文在黑色素瘤图像特征提取算法研究上开展了以下主要工作:(1)采用基于区域一致性的融合算法,融合统计区域融合算法、模糊C均值算法以及大津阈值算法对黑色素瘤图像的分割结果,精确获得黑色素瘤皮损区域的边界;为了提高黑色素瘤诊断的准确度,研究了黑色素瘤皮损区域的普通特征提取方法,获得了皮损区域颜色特征、形状特征和纹理特征的数学描述;然后采用基于相关性的特征选择方法筛选提取出普通特征的最佳特征子集,并进行基于支持向量机(简称SVM)的特征分类。(2)针对国内外黑色素瘤计算机辅助诊断研究在临床上广泛应用的黑色素瘤七点检查法方面还比较缺乏的现状,结合超级像素分割算法,提出了七点检查法中的重要颜色子特征,即蓝白幕和色素网的提取方法,并获得其数学描述模型进行SVM特征分类。(3)采用了基于支持向量机的图像特征分类方法,对支持向量机的线性核、多项式核、径向基函数核以及Sigmoid核四类不同核函数在黑色素瘤特征分类中的性能进行了研究,对本文提取出黑色素瘤普通特征、蓝白幕以及色素网特征进行分类,验证提出的特征提取方法并评估其准确性和可靠性。实验结果表明:本文提出的蓝白幕和色素网特征提取方法,比皮损区域的颜色、形状和纹理特征,具有更准确的黑色素瘤分类效果。