恶性黑色素瘤是当今世界增长最快的癌症之一。皮损区域分割,即皮损区域的边缘检测,是基于皮肤镜图像的计算机自动诊断的重要环节。然而,在处理大小、颜色、纹理、结构变化多样的皮损区域时,现有单一的皮肤镜分割算法仅能粗略地获取皮损区域,且分割结果缺乏稳定性,有时甚至会出现分割失效的情况。这极大限制了基于皮肤镜图像的计算机自动诊断技术在医学临床中的应用。为解决以上皮肤镜图像自动诊断的技术瓶颈,本论文对皮肤镜图像预处理、分割、后期处理算法进行了深入的研究和探索,主要研究内容包括:1.研究和实现了一整套皮肤镜图像预处理算法,包括黑框移除、气泡移除、毛发移除、对比度增强、最优颜色分量选取等。其中,本文提出的一种毛发移除算法,不但能定位和替换毛发像素,而且能修复毛发所遮挡的原有皮肤区域,为准确的皮损区域分割打下了坚实的基础。2.研究和提出了两种对不同皮损分割算法进行有效融合的算法。第一个融合算法为基于区域一致性的融合算法。该算法根据区域大小、灰度值、纹理的一致性,移除与基准皮损区域矛盾的分割结果,最终形成统一的皮损区域。第二个融合算法为基于马尔科夫随机场的通用融合算法。该算法将彩色图像分割算法和非阈值算法引入到融合框架中,有效地利用了邻域和颜色信息对分割结果进行融合,并利用迭代条件模型得到最优分割结果。3.研究和实现了一整套皮肤镜图像后期处理算法,包括像素标记、子区域合并、孤岛移除、孔洞填充、边缘平滑和膨胀。该算法有效减少了皮损区域自动分割结果同皮肤科专家手工标记边缘的差异性。其中,本文提出了一种基于超级像素的贪婪合并算法,该算法将超级像素概念引入到皮损区域的边缘膨胀,利用贪婪算法取得了皮肤颜色一致性的局部最小值。4.基于评价准则,与三位经验丰富的皮肤科专家手工标记的皮损边缘进行对比分析,计算得到各种分割算法的误差统计值。实验结果显示,本文所提出的分割方法比现有分割方法具有更高的皮损区域检测率和更低的整体检测错误率。