据世界卫生组织统计,皮肤癌的致病率和死亡率逐年增加,严重威胁人类的生命健康,其中黑色素瘤作为最致命的一种皮肤癌,是导致皮肤疾病致死率持续增长的主要原因,在其早期进行及时诊断和临床干预是提升患者治愈几率的重要途径。利用皮肤镜技术观察活体皮层,分析皮肤镜图像丰富的纹理、色素特征,可量化评估皮损区域的严重程度和发展趋势,辅助医生进行高效的疾病诊断。其中精确的皮损区域分割既是开展皮肤镜图像分析、处理的关键技术,更是后续开展皮肤疾病分析和诊断的前提和保障。针对皮肤镜图像中对比度低、边界模糊等难点挑战,本文围绕皮肤镜图像自动分割问题,采用显著性模型和自适应小波阈值方法展开深入研究,其主要工作如下:1)为了有效地进行皮损区域分割,本文提出一种无监督的皮损区域分割方法,结合显著性和自适应小波阈值获取精准的皮肤镜图像分割。首先,将颜色显著图和亮度显著图进行融合,扩大皮损区域与健康皮肤之间的区别,获取感兴趣的皮损区域;然后将显著图与基于小波变换的自适应阈值相结合,进一步提升皮损区域的分割效果。2)针对显著性模型在皮肤镜图像上的应用没有考虑到人眼视觉等主观高层信息,本文利用眼动追踪技术,采集15名观测者的眼动数据,建立皮肤镜图像的眼动数据库,从而构建基于眼动信息的皮肤损害区域显著性模型。首先,利用眼动注视点和眼动注视时长,获取眼动区域作为前景模板;接着通过前景模板和背景模板的选取进行眼动显著图构建;最后融合眼动、颜色和亮度显著图,有效地融入眼动信息来提升分割精度,提出基于融合显著性和自适应小波阈值的皮肤镜图像分割算法。3)我们在两个公共数据集PH2和ISBI2016上开展一系列实验对算法分割性能进行评估。通过多种评价指标从不同方面来验证本文方法的有效性,本文方法在两个公共数据集上的实验量化结果和视觉效果表明,我们的方法优于大多数主流方法。