超像素分割是图像预处理阶段,可以有效增强分割算法的性能和效率。目前性能最好的超像素分割算法是线性谱聚类(Linear Spectral Clustering,LSC),但是该算法的处理速度和分割效果还有一定提升的空间。此外,胰腺CT图像是医生诊断胰腺病变的重要参考依据,但是由于胰腺组织边缘模糊不清并且具有高度变异性,导致目前的胰腺分割方法得到的分割准确率较低。而超像素可以有效增强胰腺CT图像器官之间的边界信息。本文结合超像素的特点为胰腺分割提供了一种新的解决方案。因此,本文研究工作主要包含超像素优化加速算法及其在胰腺分割中的应用,具体研究内容如下:(1)提出应用采样优化方法提升LSC的处理速度,并且根据图像的纹理复杂度采取不同的采样比率。该方法在保证LSC分割性能不降低的前提下,有效提高LSC的速度。实验对比LSC算法,结果表明该加速方法提升了LSC的处理速度。(2)改进LSC的距离度量方式。在曼哈顿距离的基础上,针对非凸像素集合图像提出了一种优化的距离度量方法。实验对比LSC算法,结果表明该方法提高了LSC在非凸像素集合图像上的分割性能。(3)在(1)和(2)改进的LSC算法基础上,为了适应医学CT图像的特点,提出一种医学超像素分割算法(Medical Linear Spectral Clustering,MLSC)和一种新的区域合并算法。并结合超像素和区域合并提出一种新的交互式胰腺分割算法。实验结果表明该交互式方法的胰腺分割效果优于U-Net方法,但是和自动方法相比,交互式方法不满足计算机辅助系统的实际需求。(4)为了提高现有自动胰腺分割方法性能和改进(3)交互式胰腺分割方法的缺陷,提出一种结合超像素和U-Net的自动胰腺分割方法。实验对比前沿算法,结果表明该方法分割结果的准确度高于前沿胰腺分割算法。由以上研究内容可以总结出,本文基于采样加速与距离优化改进了LSC算法的处理速度和性能,并将改进的算法结合U-Net应用到胰腺分割中,提升了胰腺分割的准确性。