近年来,随着计算机科学与医学成像技术不断创新与发展,医学影像处理与分析逐渐形成一个新兴的研究领域,改变了传统的医学诊断和治疗方式,给现代医学发展注入了新的活力。然而,人体器官的多样性、复杂性、个体差异性和变异性是医学影像处理与分析研究领域面临的一个重大难题。另一方面,由于医学影像设备与技术仍然存在不足之处,可能导致成像信号不均匀、图像信噪比较低、器官和组织边缘模糊等不良后果。这些因素容易导致现有的目标检测与分割算法失效,图像中背景噪声很难去除、感兴趣的结构不容易被准确地识别。另外,在传统的临床诊断中,医生通过观察二维断层图像,在大脑中重建出病变区域、器官或组织的三维效果,这往往依赖于医生丰富的专业经验、缺乏客观性,难以准确地判定病变区域内部结构的分布情况、空间位置、大小、几何形状以及与周围器官或组织之问的关系。因此,本文的研究工作主要包括三个方面:　　 1、基于对称性的图像滤波与目标检测;　　 2、基于图论的分割;　　 3、基于分割的三维医学数据可视化。　　 本文的贡献可以概括为如下几个方面:　　 ①提出了一种基于径向对称性的视网膜血管分割算法。由于视网膜血管网络的复杂性与变异性,该方法利用图像的二阶导数检测可能的血管结构,并获取到血管的方向与尺度,但是,图像中很多非血管结构(例如,视盘和斑块)与背景之间的边界清晰,在此血管检测过程中,容易产生强烈的边界效应。考虑到血管可以近似认为是一种对称结构,而很多非血管结构则表现为单边结构,因此,使用径向对称性变换方法可以抑制非血管结构引起的噪声。另外,由于可能存在边缘定位不准确和高亮噪点等问题,该方法结合血管的初始中心线与图割方法迭代地提取出整个血管网络。本文使用了国际上公认的两个视网膜图像数据集DRIVE和STARE,证明了该算法的有效性。　　 ②提出了一种基于反射对称性的视网膜血管检测算法。由于传统的基于Hessian矩阵的多尺度血管方法容易丢失血管分叉处和交叉处像素,本文通过评估每个像素的各向异性与各向同性程度,检测出视网膜图像中可能的血管结构。另一方面,考虑到二维的视网膜血管局部结构在图像中表现为条状结构,可以认为关于中心线成反射对称,但是,图像中很多具有强边缘的非血管结构(例如,视区边界和视盘)在局部区域不具有这一特性,使得这种基于反射对称性的血管检测方法能够抑制更多种类的非血管结构。实验结果表明,该算法能够很好地滤除噪声,准确地提取出整个血管网络。　　 ③提出了一种基于骨架割的三维图像可视化算法。由于人体器官种类繁多、结构复杂、个体差异大且易受到疾病影响,三维医学数据中感兴趣结构的提取与显示仍然是非常具有挑战性的问题,也是当前的研究热点。本文摒弃了传统的基于全局传递函数的三维数据可视化方法,将传递函数设计问题转化为体数据分类和可视化参数设置两个问题,并提出了基于骨架割与局部传递函数的三维可视化方法。实验表明,该算法能够对三维数据中器官或组织进行快速而有效地分类与绘制。