目前,放射治疗技术作为一种非介入式的治疗方法,已经成为一种非常重要的治疗恶性肿瘤的手段。为了实现精确的放射治疗,需要在进行放射治疗之前,根据病人的实际情况制定精确的放疗计划。随着图像处理技术的不断发展,医学图像处理技术在放射治疗计划制定中正在发挥越来越重要的作用。放射治疗计划系统(Treatment Planning System,TPS)就是利用电子计算机对放射治疗计划进行量化和优化,从而为放射治疗提供合理而安全的保障。图像处理技术是TPS系统的重要内容和关键技术之一,对肿瘤图像分割的精确程度直接影响到病变体三维重建的准确度,以及后续放射治疗计划设计的精确度,在TPS系统中具有非常重要的基础作用。为在肿瘤治疗上实现高精度、高剂量、高疗效和低损伤(三高一低)的现代放疗模式,准确勾画肿瘤的体积和肿瘤与周围正常组织之间的关系,对图像分割方法提出了很高的要求。临床上,病灶性质形态千差万别,而分割方法也多种多样,所以要根据病灶的图像特点以及分割算法的性质来选择合适的分割方案。现有医学图像分割技术大多着眼于整幅图像的识别与分类,将其直接应用于TPS系统进行图像分割不能很好的提高病灶区域或重要器官的分割精度。本文基于形态学方法、互信息及医学图像处理中的各种理论方法,结合临床实践的需求,对TPS系统中医学图像的分割关键技术进行了较为深入的研究和探讨。论文的主要工作如下:(1)论文首先研究了数学形态学的基本理论及其在图像滤波领域的应用,分析了各种形态学算子在滤波方面的优缺点。形态学的开、闭运算结合使用既能消噪又能达到平滑的目的,但是在噪声强度过大情况下,开-闭形态滤波方法滤波效果不理想。为进一步加强滤波效果,针对传统开-闭形态滤波器进行了改进,然后将其与改进中值滤波组合降噪。按照改进方法进行仿真实验,对叠加了不同噪声强度的医学图像进行滤波,结果表明改进后滤波方法效果令人满意。(2)在对互信息的基本理论及其在医学图像处理中的应用进行研究的基础上,提出了一种基于互信息的医学图像精细分割方法——HIST-MI,应用于TPS系统中对精度要求较高的部位进行分割。该方法将互信息作为最优阈值测度,模拟形态学流域算法,寻找阈值向量T,并根据T对图像进行二值变换,随着变换的进行,计算原图像与所分割得到的图像间互信息,直到找到互信息的最大值,此时所得图像即为最佳分割图像。互信息算法计算量相对较大,在利用互信息进行HIST-MI方法分割时,如果选取图像区域过大,分割速度会受到很大影响,需要对其分割速度进行改进。最大类间方差法计算量小,速度快,可满足实时要求,因此将HIST-MI方法与最大类间方差法结合来进行分割,兼顾分割速度与精度。按照改进方法进行仿真实验,并与其它方法的结果进行对比,仿真结果表明采用本文改进的分割方法,可以明显地提高分割精度,并兼顾分割速度。论文最后对全文进行了总结,并对下一步的研究工作进行了展望。