x线成像技术，作为一种非入侵式检测方式，是医疗中获取人体内部组织信息的重要手段。使用图像处理技术对医学x线图像进行后处理，可使得医生对于人体内部病变部位的观察更清晰，确诊率也更高。近年来，医学图像处理技术已成为医学技术中发展最快的领域之一。x线图像中的骨折识别作为一个人工智能、计算机视觉、图像处理等多学科交叉的研究领域，能实现智能化、更加自然的人机交换环境，具有很大的应用价值。　　 一个完整的骨折识别系统应该由图像预处理、骨骼分割、特征提取和骨折区域识别等几个部分组成。本文对x线平片图像中骨折区域识别系统的各个组成部分进行了研究，其主要内容如下：　　 提出了一种基于复合算法的x线平片图像骨骼影像的增强方法。考虑到x线平片中骨骼影像与非骨骼影像在灰度和纹理上的表现有重叠的现象，而单一的增强手段往往难以有效地增强骨骼影像。提出了一种结合空域和频域处理的复合增强算法进行骨骼影像增强。在空域中采取二阶微分变换突出图像细节，再用一阶微分变换突出目标边缘，然后用平滑的梯度图像掩蔽拉普拉斯图像。在频域处理中，利用高斯高通滤波和高频加强滤波锐化在空域运算中得到的图像。在上述处理步骤得到的图像中，目标与背景被压缩在了一个小范闱的灰度区间，利用动态检测背景均值和增加偏移的方式对背景进行过度消除。最后经过灰度拉伸得到最终的增强图像。这种复合增强算法能突出x线平片中的骨骼影像，并为后续的分割提供较好的便利。　　 提出了一种分割人体x线平片图像中骨骼影像的方法。根据x线平片图像中骨骼与非骨骼组织在局部区域中存在对比较明显的特点，结合骨骼在图像中的分布特点，提出了动态地划分出分割区域的概念。在每一个分割子块中，在考虑到算法所需要处理的有效对象，提出动态收缩分割区域。通过收缩分割区域，达到了将不包含人体有效信息的黑色背景排除在外的效果，同时也减少了算法运算的时间。最后，在各子块的分割区域中采用大津法进行分割。　　 提出了一种基于自动控制理论中负反馈控制原理的分割结果校验和调整方法。对采用阀值法分割的结果，在部分子区域中会存在过度分割或欠分割的现象，需要进行修正。采用的校验和调整方法为：对每个子块的分割结果，使用五阶矩统计其局部纹理。在统计数据中，峰值对应粗糙和目标边缘的局部区域，结合峰值数据所在分割结果出现的位置，可判断出上次分割结果的性质。对于过度分割和分割不到位的情况，分别采取了补偿灰度和收缩分割区域的方式调整。将调整后的图像作为再次分割的输入图像。该方法能检测出分割结果处于过度分割、欠分割和适当分割的情况，并能对前两种情况做出调整，最终达到适当分割的结果。　　 提出了一种在提取骨骼影像的骨架前，恢复骨骼本身结构的方法。该方法基于在掩盖骨折区域的过程中，骨骼结构改变后会在连接处会产生尖锐的区域。该区域对开运算的响应较其它区域强烈。通过检测骨骼间闭合后产生的尖锐区域，提取该区域的骨架，并根据该尖锐区域所处的实际位置，对其作选择性的方向延长。最后在复原前，在掩盖骨折区域图像中的相应位置埋入尖锐区域骨架延长线。通过该方法得到的骨架线，与带有骨折现象的骨骼结构十分近似，结合提取的边缘，可作为骨折区域识别的判据。　　 提出了一种结合边缘图像和骨架图像的长骨骨折区域识别方法。通过分析断裂影像在分割前后的图像表现，利用分割后的骨骼影像中提取骨骼的边缘，该图像中包含有骨折产生的边缘信息；结合掩盖骨折现象后提取的骨架线，通过检测边缘与骨架线叠加图的交点坐标，从而判断出图像中存在的骨折区域。　　 论文最后进行了总结，说明研究的创新点及主要研究成果，指出了进一步研究的问题。