洪容容，叶少珍，2

(1.福州大学数学与计算机科学学院，福建福州 350116;2.福建省医疗器械与医药技术重点实验室，福建福州 350002)

0 引言

图像分割是图像底层视觉信息分析的基础过程，在一定程度上决定了图像分析的质量，是图像处理和分析的关键步骤.在20世纪就已提出上千种各种类型的分割算法，例如:Gibbs随机场、贝叶斯理论、布朗链、多尺度边缘检测、分形理论、高斯混合分布、盖伯滤波器、马尔可夫随机场、模拟退火、小波模极大值、遗传算法、隐含马尔可夫模型、专家系统等都被结合到分割技术中，但迄今为止还没有一个通用的理论［1］.在实际分割时，需要根据待分割图像的不同特点并结合一定的先验知识来选用符合具体图像特性的分割模型和算法.现在医学图像分割也大多是把多种理论结合起来应用，以达到相互补充的目的［2］.

最近几年，许多基于自动或半自动的算法被应用于鼻咽癌的图像分割中.J.Zhou等提出了知识模糊聚类方法分割鼻咽癌MRI，即通过对称性、连通性和聚类中心等空间知识以及数学形态学来剔除肺肿瘤区域正常组织，从而提高分割精度［3］.在此之前他们也提出一种支持向量机方法，解决了一般线性分类器不能解决的问题，如鼻咽癌肿瘤区域细胞坏死、水肿和部分容积效应等引起的不均匀性等［4］.而这两种方法有个共同的局限:它们需要大量先验知识和较慢的聚类速度.P.Ritthipravat等则提出针对鼻咽癌CT图像的自动分割，此分割基……