1.一种腹部CT图像的肝脏肿瘤区域分割方法，其特征在于，包括以下步骤：(1)运用基于局部信息的区域生长方法提取腹部CT图像中肝脏肿瘤区域的初始分割结果，具体包括：(a)在CT图像中的肝脏肿瘤区域人工选取一个种子点a；

(b)计算以种子点a为中心半径小于r的图像区域的灰度均值I0和标准差σ0，其中r为大于0的常数；

(c)初始化i＝1，ki＝ω，Si＝{a}，其中ω为大于0的常数；

(d)以种子点a为当前点，计算其邻域像素集Ωa中每一个像素p∈Ωa的局部灰度均值：其中，gq表示像素q的灰度值，L(p)表示以像素p为中心大小为(2n+1)×(2n+1)的局部像素块，其中n为大于等于0的自然数，card(L(p))表示像素块L(p)所包含的像素数目，取值为(2n+1)×(2n+1)；若 满足 则将该邻域像素p包含进入集合Si；

(e)计算集合Si所包含像素的灰度均值Ii和标准差σi；

(f)以Si为当前区域，采用步骤(d)所述方式计算Si邻域像素集ΩSi中每一个像素p∈ΩSi的局部灰度均值 若 满足 则将该邻域像素p包含进入集合Si；

(g)重复步骤(e)和(f)，直至不再有新像素包含进入集合Si；

(h)判断i是否等于1，若不等，则执行步骤(i)；若相等，则执行i＝i+1，ki＝ki+δ，Si＝{a}，并重复步骤(d)～(g)，其中δ为大于0的常数；

(i)计算Si和Si-1所包含像素概率分布的Kullback-Leibler散度：其中，Hi(x)和Hi-1(x)分别为Si和Si-1所包含像素的概率分布，计算得到的D值越大，表明Si和Si-1所包含像素概率分布的差异越大；若计算得到的D值小于等于预设阈值ε，则执行i＝i+1，ki＝ki+δ，Si＝{a}，并重复步骤(d)～(g)，其中ε为大于0的常数；若D值大于ε，则取上一次区域生长结果Si-1作为肝脏肿瘤区域的初步分割结果；

(2)取初步分割结果的最小外接矩形，并将外接矩形框的边缘向外延伸m个像素，作为肝脏肿瘤感兴趣区域，其中m为大于0的自然数；

(3)根据初步分割结果自动标记肿瘤感兴趣区域中目标和背景种子区域，并利用图割算法进一步精确分割其中的肿瘤区域，具体包括：(a)将感兴趣区域中肿瘤初步分割结果及其取反结果分别进行形态学腐蚀，并将所得结果分别标记为目标和背景种子区域；

(b)在肿瘤感兴趣区域构建图G＝{V,L}，该图G包含三类节点V＝{T,N,S}和三类无向边L＝{En,Et,Es}，其中节点T为汇点，表示目标种子区域，节点S为源点，表示背景种子区域，节点N对应肿瘤感兴趣区域f的像素点集，无向边En用于连接节点N中的邻域像素，无向边Et和Es分别为连接节点N中每一个像素到汇点和源点的边；

(c)对于图G，构建如下图割能量函数：

其中，R(fv)和B(fv,fu)分别为图割能量函数中的区域惩罚项和边界惩罚项，其中区域惩罚项对应于图G中的无向边Et和Es，边界惩罚项对应于无向边En，λ为控制两者相对重要性的权重因子，取值为0～1之间的常数；采用对数似然估计获取图像像素属于目标和背景的区域惩罚：当(v,T)∈Et时，

当(S,v)∈Es时，

其中，P(gv|O)和P(gv|B)则分别表示像素v的灰度gv属于目标和背景的概率；边界惩罚项B(fv,fu)对应于图G中的无向边En，用于惩罚相邻像素间灰度的不一致性，定义如下：其中

d(fv,fu)表示图像f中像素v和u的欧氏距离，Tf为图像f的像素总数目，gv和gu分别为像素v和u的灰度值；

(d)采用最大流/最小割算法最小化能量函数E(f)即可从肿瘤感兴趣区域中获取肿瘤区域分割结果。

2.如权利要求1所述的一种腹部CT图像的肝脏肿瘤区域分割方法，其特征在于：所述r优选2～10之间的常数，所述ω优选0.2～1.6之间的常数，所述n优选1～6之间的自然数，所述ε优选2～30之间的常数，所述δ优选0.01～0.5之间的常数，所述m优选10～30之间的自然数，所述λ优选0.3～0.7之间的常数。

3.如权利要求1所述的一种腹部CT图像的肝脏肿瘤区域分割方法，其特征在于：在第(3)的(a)步中，所述的形态学腐蚀操作，采用的结构元素是半径为5～15的圆形结构。