骨龄指标在医学领域、体育领域和司法等领域有着广泛的应用，是目前医学图像处理领域重要的研究课题之一。现阶段对骨龄评价主要是通过人工方式对手腕骨X射线图像进行观察来获取骨龄数据，由于人工方式读取骨龄数据存在工作量大、资源消耗大、速度慢和主观性强等一系列缺点，使得骨龄自动评价系统成为目前众多领域迫切需要的系统。虽然从上个世纪90年代起就有众多学者积极参与骨龄自动评价系统的研究，但成就不是特别显著，仍然只停留在半自动、低龄化的骨龄评价系统的实现，离功能完善真正自动的骨龄评价系统还有很长的路要走。　　 在骨龄自动评价系统的研究过程中，对手腕骨兴趣区域能否准确定位直接关系到骨龄自动评价系统成功与否。为了实现对手腕骨兴趣区域准确定位，本文依据国内最新骨龄评价方法——RUS-CHN(RC)法来从事对手腕骨兴趣定位研究，并创造性地提出了一种基于手腕骨二值图来实现对手腕骨兴趣区域定位方法。在实现对手腕骨有效二值分割的过程中，本文又创造性地提出了一种改进的脉冲耦合神经网络二值分割算法，该算法通过利用骨龄图像的灰度特性来实现对手腕骨自动二值分割。　　 实验表明，文中提出的改进的脉冲耦合神经网络算法对手腕骨二值分割的结果优于其它经典分割算法，这些算法包括基于边缘的分割算法（Prewitt边缘检测算子、Sobel边缘检测算子、Roberts边缘检测算子）、OTSU算法、分水岭算法、区域生长法、阈值迭代算法、文献[34]提出的GIT-PCNN算法;而且文中提出的手腕骨兴趣区域定位方法的实验结果也优于一些学者最近提出的基于手掌轮廓的兴趣区域定位方法。