随着人们生活水平的提高，各种肝脏疾病的发病率和死亡率也在逐年上升，对人类的健康造成严重的威胁。在临床上，肝脏疾病的诊断主要是由经验丰富的医生对肝病患者的计算机断层扫描（Computed Tomography，CT）图像进行手动分割，获取肝脏的准确解剖信息，从而对肝功能进行有效评价。然而，普通肝病患者的三维肝脏图像大约有几百层二维切片，仅依靠医生手动分割将是一项繁琐、费时且不可重现的工作。利用计算辅助诊断技术可以实现肝脏图像的分割，能够有效的克服手动分割肝脏图像的费时、费力等困难，大大的减少了对肝脏疾病的诊断时间，为肝病患者的治疗提供保障。因此，本文提出基于多维特征的 Graph Cuts全自动分割算法，实现肝脏图像的高精度全自动分割，辅助医生对肝病患者的诊断和治疗。
　　传统的基于灰度信息的Graph Cuts分割算法，其基本原理是依靠研究人员手动标记目标和背景像素，通过标记的像素计算图边的权重能量，最后利用最大流最小割定理结合边权重实现目标图像的分割。由Graph Cuts算法的基本原理可知，该算法的分割精度影响因素主要在于目标、背景像素标签的选择和能量函数的构建。本文研究的基于多维特征的Graph Cuts全自动分割算法，能够有效准确的自动标记像素，并结合肝脏图像的多维特征，实现三维肝脏图像的高精度、全自动分割。本文的研究工作及贡献主要包括以下几个方面：
　　（1）针对传统的Graph Cuts分割算法，需要专业人员准确标记肝脏图像目标和背景像素的问题，本文提出Graph Cuts的全自动分割算法。采用配准分割算法对肝脏图像进行有效的初始分割，然后利用权重投票算法将所有的初始分割结果融合为一幅预分割图像，最后使用水平集符号距离场结合预分割图像标记待分割图像的目标和背景像素，代替手动交互过程，实现肝脏图像的全自动分割。
　　（2）针对肝脏及周围直肠、脾等组织的对比度较低、组织壁较薄，肝肿瘤等病变组织造成伪影区域等导致分割困难的问题，本文提出结合多维特征的 Graph Cuts分割算法。传统的Graph Cuts分割算法，仅考虑像素的灰度信息，加之噪声的影响，难以获取图像的边界和区域信息，故很难实现肝脏图像的有效分割。本文首先使用高斯平滑处理，抑制肝脏图像的部分噪声；其次使用空间结构信息更加丰富的Spin和LBP特征融合灰度信息，一定程度上弥补灰度信息的不足和弱化肝肿瘤等病变组织造成的伪影区域，使得肝脏组织边界更加明显、肝体区域更加显著；最后使用预分割图像形状进行约束，并结合上述特征，重新构建能量函数，实现肝脏图像的高精度全自动分割。
　　本文采用Dice重叠率系数评估多Atlas分割，交互式Graph Cuts分割和本文的多特征全自动分割。实验结果表明：本文算法的分割结果不仅分割精度较高，而且其精度抖动较小，鲁棒性更加稳定。