爆炸、海啸、空难、车祸等灾难性事故以及刑事案件的不断发生使得个体身份鉴定技术的应用需求越来越迫切。通常用于识别的生理特征诸如指纹、虹膜、唇纹、人脸等在上述事件中因自身所有的有机物质的组织特性而无法长久保存,从而不能发挥其应有的价值,而精确度极高的DNA检测的鉴定成本高,检测周期长,同时其检验准确性也受到所用材料的质量和数量的影响,失去了其在大型灾难事故身份鉴定的实用性。牙齿由于自身稳定的性质以及颌骨的保护,具有很好的防腐性和抗降解性,而口腔医学的发展和人们护牙意识的提升,积累和保存了大量的牙齿医学图片,同时不同个体之间存在牙齿的差异性,可以满足作为识别特征的唯一性,使得牙齿作为灾难事故中个体身份鉴定的特征成为可能。个体身份鉴定技术就是指利用计算机图像处理技术通过判断识别人类的生物特征进行个体身份认定的技术。通常所用的生物特征包括两类：生理特征与行为特征,指纹、虹膜、掌纹等均属于生理特征,而语音、步态、签名等属于行为特征。用于识别的特征通常需具备唯一性、可测量、一定时期内的稳定性以及不易假冒和伪造的特点。在基于牙齿形态的个体身份鉴定系统中,目标牙齿的分割与定位是关键步骤之一,分割目标的完整性直接决定了识别结果的有效性。特征的提取选择需选择具有个体差异性的方面,其结果的好坏会严重影响后续的分类、相似性度量等操作的效果。本文首先介绍了数字图像分割与特征提取技术的定义、研究意义和国内外发展现状,然后研究了牙齿医学图像(咬翼片)的分割与轮廓特征的提取方法。牙齿医学图像的分割目标就是将单颗牙齿所在的区域从整幅图像中分割出来。分水岭算法是属于数学形态学领域的基于区域的图像分割算法,能够得到封闭边缘且能够良好地响应微弱边缘,但是传统的分水岭方法存在严重的过分割现象。鉴于牙齿医学图像存在前景目标与背景灰度值差别不大、多目标物体且相邻牙齿之间存在粘连、灰度值分布不均匀、以及噪声较多的特点,运用形态学方法对其进行预处理操作,可以降低或消除目标物体之间的粘连性,改善牙齿医学图片的可读性。轮廓特征作为图像最基本的特征之一,是图像分析不可缺少的一部分。主动轮廓模型即Snake模型融合了先验知识和图像本身的特征,具有良好的提取特定区域内目标的能力。作为Snake算法的改进算法,GVF (Gradient Vector Flow)-Snake算法即梯度矢量流模型具有更大的捕获范围,且能够检测凹陷区域的轮廓,从而得到重视与广泛应用。在应用GVF-Snake算法进行牙齿轮廓特征提取时,针对初始轮廓的选择问题,提出了一种与前面形态学处理得到的结果相结合的初始轮廓设置方法,无需再人工设置初始轮廓；对提出的算法进行仿真实验,得到的结果表明单颗牙齿的分割与牙齿轮廓特征的提取结果较为精确。