现在甲状腺结节的发病率很高，这可能预示着甲状腺癌的出现。因此，准确判断出甲状腺结节位置以及正确判别甲状腺结节是良性的还是恶性的是非常必要的。超声诊断甲状腺结节的准确率不断提高，已成为甲状腺结节性疾病的首选辅助检查，但是超声的回声、阴影、反射等特性也会使超声图像的质量退化，这就很难将其边缘精确地分割出。基于图论的图像分割技术是目前的研究热点，它通过定义一个采用图像某种割值来表示目标函数，通过求解目标函数的极值实现分割。归一化割(Ncut)是其中的一种，它主要是通过方向能量模型得到不同尺度子图像的边缘方向能量，进而得到干涉轮廓模型的相似度，结合根据纹理基元得到图像纹理特征相似度，进而可以建立图像像素之间的相似度，形成基于图像像素点的权值矩阵，构造无向加权图，最后运用特征值和特征向量对图像进行分割。针对甲状腺肿瘤的B超图像在形成过程中产生的斑点噪声使图像质量变差的特点以及归一化割(Ncut)方法对噪声敏感和计算复杂度高的缺点，本文将各向异性扩散模型与归一化割相结合，对归一化割中的干涉轮廓线和权值矩阵作出了改进。所以图像经过各向异性扩散模型增强处理去除了噪声，同时保留了重要的边缘和局部细节，使得改进后的归一化割处理图像时减少了干涉轮廓线，在求取权值矩阵上降低了计算量，缩短了分割时间，提高了分割结果的准确度。实验结果证明了该方法的可行性。