近年来,随着图论方法和抠图算法的引入,在图像分割、图像复原、图像增强等方面都取得了一些进展。本文分别对基于图论的图像分割算法中的图割算法和闭式求解的alpha matting算法进行了研究,从减小算法复杂度及提高分割精度的角度,提出了改进型模型,并分别在自然图像及医学图像中验证了改进模型的有效性。具体工作如下:　　 (1)图切分(Graph Cuts,GC)是近年来兴起的基于图论框架的图像分割方法,该理论的新颖之处在于它的全局最优性和结合多种知识的统一性。但当图像较大,运算将非常耗时。该文提出了一种基于GC的层次式图像分割方法。先在低分辨率中用GC以较低的分割代价获取粗尺度的初始分割,再将结果轮廓映射回高分辨率图像中并构造出窄带,进而采用matting思想,在窄带内获取精确分割。实验结果表明,本文方法在确保分割结果准确性的同时,运算速度大幅度提高。　　 (2)骨肿瘤MRI中病灶组织边缘模糊不清和凹凸多变,传统的图像分割算法提取骨肿瘤区域很困难。本文提出了一个基于数字抠像技术的骨肿瘤MRI计算机辅助诊断系统。该系统采用由粗到精的求解策略,利用闭合求解的数字抠像算法来提取病灶区域,只需求解一个稀疏线性方程,即可获得所需的分割结果。实验结果表明,该系统在较低的运算时间开销下,能精确的勾划出病灶区域,为医生下一步的临床诊断提供可靠的依据。