医学图像处理是图像处理和计算机视觉的一个重要分支,有着广泛的应用。通过分析皮肤镜获取的图像,对皮肤损伤或病变类型的做出判定是医学图像处理的一个典型应用。特别地,论文通过机器学习和模式识别方法,通过对非黑色素癌变和黑素瘤的划分,识别并判定皮肤病变类型。皮肤是身体的最大的器官之一,并且负责为身体的其他系统提供保护,人体皮肤有独特的生理结构,包括外表皮,真皮和深层皮层等三层。皮肤损伤或病变发生时,局部区域内的皮肤通常具有特殊的外表和生长特性。其中,由于阳光的紫外线辐射等方面的原因,当皮肤细胞异常生长时,就会发生皮肤癌变。皮肤的恶性肿瘤是世界范围内最常被诊断出的癌症类型。导皮肤癌可以分类为非黑素瘤皮肤癌(癌症类型包括鳞状细胞癌和基底细胞)和黑素瘤。在黑素瘤的医学诊断方法中,关注黑色素瘤的ABCDE(非对称性,边界,颜色,直径,进化)是很重要的。论文给出了计算机辅助皮肤病变类型诊断系统的基本框架,包括皮肤镜图像的获取、图像预处理、图像分割、特征提取及分类和检测等基本模块。遵循这个基本框架,论文研究了相关的一些算法。在PH2皮肤镜图像数据集上,论文对这些图像进行了毛发去除等预处,以便增强图像的视觉效果。之后,论文实现了基于主动轮廓的方法以实现图像的分割。继而,论文提取了局部二值模式这种常用的纹理特征,并利用此特征进行后续的判定。在分类判定问题上,论文采用了支持向量机和K最近邻两种经典的分类方法。论文对所设计的算法进行了实验验证,实验结果表明了这些方法的可行性。