肛管外病症属于常见病、多发病,同时又由于疾病部位的特殊性和隐私性等因素,给治疗带来了困难。本文利用计算机图像处理技术结合专家诊断的一些经验来研究肛管外病症的计算机辅助诊断CAD (Computer Aided Diagnosis)的图像分割和目标跟踪,为肛管外病症智能诊断提供技术支持。首先,作者通过大量的肛管外病症图像分析了各种典型痔的图像特征以及提取方法。其次,研究了肛管外病症图像的分割技术。由于人体解剖过程当中,不同结构的复杂性、不同组织器官形状的不规则性,以及全世界各个民族、种族、个体之间存在着差异性,平常的图像分割算法直接应用于医学图像分割并不能得到令人满意的分割效果,为此必须寻找一种行之有效的医学图像分割方法。论文依据医学图像自身特点和要满足特殊的应用需求,分析了利用纹理滤波器来分割医学图像,并将纹理图像、形态学操作、局部标准差滤波和rangefilt滤波相结合,在充分保证医学图像分割的整体性时,同时提高了肛管外病症图像分割的有效性,并保留了这些图像的细节。最后,就患病部位目标跟踪问题进行了研究。针对肛肠疾病的特点,考虑疾病部位的隐私性,对患者的患病部位进行目标跟踪。在众多的有关目标对象的跟踪算法中,作者深入研究了均值漂移算法,它是一种以密度梯度为基础的无参估计方法,由迭代运算找到目标对象的位置,从而实现目标跟踪。本论文在第四章对均值漂移算法基本理论算法、原理以及推导过程作了详细的介绍和描述,通过实验对均值漂移算法在目标对象跟踪中的应用情况进行了分析,并得出均值漂移算法可以获得很好的跟踪效果。