近年来,数字图像处理在医学领域中的应用成为了一个研究热点。数字图像处理的飞速发展提供了平面二维图像三维重建的可能。周围神经的三维可视化主要通过神经切片中神经内部功能束类型识别之后对平面二维图像进行三维重建,可以实现直观而全面的显示周围神经内部功能束空间立体走行规律。目前生物医学神经切片染色图像的神经内部功能束类型没有相关的自动识别算法,几乎都是靠人工对其进行识别,容易造成工作量大和误差精度低的缺点。神经内部功能束类型的识别是神经切片染色图像三维重建之前极为关键的一步,决定着最终周围神经功能束三维可视化效果的好坏。本项目是计算机图形图像学、人工智能、模式识别与生物医学相结合的交叉学科研究,探索和研究能有效对神经功能束类型进行自动识别的算法,实现周围神经功能束的三维可视化,因而具有重要的理论研究意义和实际应用价值。本课题是在与中山大学附属第一医院合作的由广东省自然科学基金支持的项目《周围神经功能束三维数字模拟系统构建的关键技术研究》(编号：9151008901000006)的基础上提出来的。本文旨在周围神经功能束类型自动识别方面进行一定的探索和研究,主要研究内容体现在以下几个方面：(1)对医学图像预处理相关技术进行分析,论文以神经切片染色图像为对象,重点对其进行了去噪滤波的处理。(2)针对周围神经物理切片图像中不同类型的神经功能束染色后显示出的纹理特异性,对其进行特征分析与提取,决定以灰度均值μ和方差σ2作为识别神经功能束类型的纹理评价参量。(3)针对传统的K—均值聚类算法存在着一定的局限性,本文提出了一种改进的K—均值聚类算法并应用在医学神经切片染色图像的不同神经功能束类型的自动识别领域之中。(4)整合图像边缘提取和图像配准等功能模块,在Visual Studio2005开发平台下设计并开发出一套神经切片图像三维重建处理平台,利用此平台完成实现周围神经切片图像的三维可视化的交互式操作。