手术与化疗作为肝癌的主要治疗手段需要精确提取肝脏病变区域。针对目前肝肿瘤分割方法存在的小型肿瘤丢失、肿瘤边界分割模糊、分割严重错误等问题，提出一种融合注意力机制与残差可形变卷积的肝肿瘤分割方法。以U-Net为主干网络，在编码卷积层末尾增加一条带有反卷积与激活函数的残差路径，该路径与上层跳跃连接相连，解决池化与反卷积操作中的信息损失造成的小目标分割缺失与边界模糊问题；利用可形变卷积增强模型对肿瘤边界的特征提取能力；在跳跃连接层中添加一定数量的卷积层，弥补简单跳跃连接在特征融合时造成的语义空白；通过双注意力机制，模型更加关注肿瘤特征；采用混合损失函数，该函数在保证训练稳定的情况下解决类不平衡造成的分割性能下降的问题。在肝脏肿瘤公开数据集（LITS）上进行实验，所提方法的肿瘤分割Dice系数达85.2%，分割性能优于其他对比网络，能够达到辅助医疗诊断的要求。

肝脏分割是计算机辅助肝脏疾病诊断、治疗和手术的重要步骤，提出一种基于空间模糊C均值和图割的CT图像肝脏分割方法。首先，为去除毗邻器官和组织对肝脏分割的影响，采用阈值、投影和三维区域生长法从原始CT图像中去除脊柱、肋骨，接着采用K-means聚类和二值形态学重建方法去除右肾。然后，采用空间模糊C均值从初始切片中分割肝脏，再结合CT切片的空间、形状和灰度特性运用图割算法迭代分割剩余切片。最后，根据形态学操作和解剖学知识去除肝脏分割结果中的下腔静脉区域。实验结果证明，与其他同类方法相比该方法可获得更好的分割效果。

为了精确分割TFT-LCD异物缺陷，准确计算缺陷尺寸，满足TFT-LCD工业生产中对异物缺陷检测的需求，提出一种面向高精度小视野TFT-LCD图像的异物缺陷高精度自动分割方法。首先，根据屏幕像素的空间分布规律，考虑缺陷的尺寸变化，采用基于空间信息多尺度显著性的缺陷提取方法，自动获得图像中的缺陷区域。然后，结合缺陷与屏幕像素间隙的空间分布关系，找到被像素间隙截断的对应缺陷块组。最后，利用局部凸包拟合算法对缺陷区域进行连通，实现对异物缺陷的自动分割。实验结果证明，所提方法能较精确地分割异物缺陷，精确率和召回率分别为95.36%和93.34%，且尺寸计算正确率为96.5%，基本满足工业生产中TFT-LCD异物缺陷尺寸计算的稳定可靠、高精度、高准确性等要求。

针对手机屏幕图像整体亮度不均以及Mura缺陷对比度低等特点，提出一种基于自适应局部增强的Mura缺陷自动在线检测方法。首先对CCD相机采集的手机屏幕原始图像进行感兴趣区域提取、几何校正、滤波等预处理，获取图像中的屏幕区域，然后将屏幕区域划分为多个不重叠的像素块，并根据每个像素块的灰度分布特征，采用自适应局部增强算法自动识别并定位图像中的Mura区域，最后考虑到Mura缺陷大小的不确定，提出采用多层级分块的方式对屏幕区域进行检测，提高算法鲁棒性。实验结果表明，相较现有多种屏幕缺陷自动检测算法，本文方法能更准确有效地识别手机屏幕中的Mura缺陷，且覆盖率和误检率分别为91.17%和5.84%。