摘要：医学图像分割是医学图像高层分析和理解的基础,在临床医疗、手术计划、医学研究等领域都有着重要的研究价值和广泛的应用前景。人体组织的个体差异以及成像技术的局限性使得医学图像往往具有边缘模糊、噪声较多、伪影等特点,导致医学图像分割问题成为图像处理领域的一个难点。基于图论的图像分割方法近年来被越来越多地应用至医学影像处理当中,其中Normalized Cut (Ncut)准则凭借其同时满足类间差异程度和类内相似度最大的能力、严谨的数学求解方案吸引了很多研究者的目光。本文在分析医学图像分割领域研究现状的基础上,重点分析基于图论最优割准则的图像分割方法及其局限性,以乳腺x线图像肿块分割为目标,深入研究了基于Ncut的医学x线图像分割方法,并对医学图像的处理系统进行了设计。本文的主要工作及创新如下：1.首先研究了基于图论的图像分割方法中图像与图之间的特征对应关系,其次对常用的图最优割准则进行了详细介绍和对比分析。另外,从医学图像以及图最优割算法的特点出发,重点分析了基于Ncut的算法在医学图像分割领域的应用及发展过程中存在的不足,为后续分割方案的改进提供了方向。2.针对Ncut算法噪声敏感、计算量大、权值较为单一的缺点,提出了结合改进分水岭和形状控制的Ncut图像分割方法(Shape-Controlled Ncut with Advanced Watershed, AW-SNcut),该方法对Ncut算法做出两点改进：a)设计了改进的标记分水岭算法作为医学图像预分割方法,能够更好地标记出目标区域且实现形态学结构元尺寸的自动选择。将预分割结果中的区域作为Ncut算法的输入,以区域替代像素点进行图像分割,提高了Ncut算法的计算效率。b)设计了形状控制Ncut算法,将待分割目标的形状特征引入相似度矩阵,有效解决了传统Ncut分割方法权值单一的问题。利用该方法对乳腺X线图像库进行肿块分割测试,取得了较好的实验结果,验证了算法的有效性。3.在研究基于Ncut的医学X线图像分割基础上,本文对乳腺X线图像肿块处理系统进行了方案设计。从临床需求的分析入手,设计了系统的整体结构,并确定了系统的三大功能模块：基本功能模块、分割功能模块以及人工控制模块。利用Microsoft visual studio2010平台,基于OpenCV开发了一套医学图像处理系统。系统实现了乳腺X线图像的处理及保存、创建电子病历、人工修正等功能。论文所述AW-SNcut方法实现了对医学X线图像目标的分割,且计算效率高于传统Ncut方法。全文共有图17幅,表3个,参考文献50篇。