黑色素瘤是死亡率最高的一种皮肤癌，约占所有皮肤癌死亡患者的三分之二左右，它具有恶性程度高，转移较快、危害性大的特点，往往在医生作出诊断之前，癌细胞已扩散到病人全身。近几十年来，全球黑色素瘤的发病率和死亡率以每年3%~5%的速度急速增长，我国虽属黑色素瘤低发区，但近年来发病率高达每10年增加两倍，对人们的物质生活与精神生活造成了很大的负担。研究表明，若早期对黑色素瘤及时发现、及时治疗，患者生存率可达60%~80%。因此，黑色素瘤的早期检测显得非常重要。临床上，被用于黑色素瘤早期甄别的法则主要有—ABCD准则，7点检查法，孟席斯方法和模式识别方法。其中，ABCD准则和7点检查法应用较为广泛，前者主要基于肿瘤轮廓及颜色特征进行判别，后者则以黑色素瘤病变纹理及颜色作为研究对象。本文基于皮肤黑色素瘤临床表现出的肿瘤轮廓不规则和病变瘤体表面色素网状结构特征，利用图像处理技术和模式识别技术对皮肤肿瘤进行轮廓不规则性和表面色素网状结构的分析、特征提取以及分类研究，为皮肤黑色素瘤的计算机辅助诊断提供技术支持，帮助医生区分良恶性肿瘤，提高诊断准确率。本文的主要工作和贡献如下：1）针对肿瘤轮廓的自动准确提取，提出了一种基于视觉注意与GVF-Snake相结合的肿瘤轮廓提取算法。该算法从肿瘤病变区域的角度出发，利用视觉选择注意机制计算模型，实现了全自动的肿瘤轮廓提取。试验表明本文提出的轮廓提取算法能准确快速地完成肿瘤轮廓的提取，并减小毛发的影响。2）本文针对黑色素瘤外轮廓不规则性特征的提取问题，针对传统全局分形维忽略肿瘤轮廓不规则性细节信息、弱化了分类能力的缺点，提出了基于局部分行维的轮廓不规则特征提取方法，突出细节信息，对黑色素瘤轮廓不规则性进行准确度量。3）针对黑色素瘤表面特有的色素网状结构进行分析，本文提出了一种新的基于Gabor小波和方向直方图检测色素网状结构的方法。针对色素网状结构视觉上线交叉、洞密集的特点，文中首先基于Gabor小波和分水岭分割对图像进行分块检测网状结构，然后度量子块之间的连接性对肿瘤整体网状结构进行判别。试验表明：在基于子块色素网状结构分析中，线的方向性量化了网状结构的分析，同时洞结构和网结构相结合使得色素网状结构的检测更加准确。4）针对获取的轮廓不规则和色素网状结构特征进行特征选择，利用支持向量机分类器对特征选择前后的特征值进行分类。考虑到临床缺少黑色素瘤样本图像的情况，在皮肤肿瘤分类时，设计了一种小样本分类器。经试验表明：小样本分类器亦能达到大样本的分类性能。