استفاده از تصاویر درموسکوپی یکی از راه های تشخیص ضایعات پوستی است. ناحیه بندی یکی از مهم ترین مراحل تشخیص سرطان به کمک تصاویر درموسکوپی است که نقش مهمی در مراحل بعدی تشخیص دارد. در این پایان نامه روشی برای ناحیه بندی تصاویر درموسکوپی براساس منحنی های فعال و شبکه عصبی ساختار جنگلی پیشنهاد شده است. به منظور ناحیه بندی با استفاده از منحنی های فعال ابتدا به حذف مو، تشخیص سایه و حذف آن پرداخته می شود. در مرحله بعد به کمک الگوریتم های بهینه سازی، تصویری با بیشترین کانتراست جهت ناحیه بندی انتخاب می شود. سپس به کمک روش مالتی اتسو کانتور اولیه انتخاب می شود. در نهایت ناحیه بندی با منحنی های فعال انجام خواهد شد. نتایج پیاده سازی نشان می دهد که روش پیشنهادی دقت بهتری نسبت به روش های ارایه شده دارد. در این پایان نامه روش دیگری برای ناحیه بندی تصاویر درموسکوپی براساس شبکه های عصبی ساختار درختی و الگوریتم بهینه سازی تجمع ذرات پیشنهاد شده است. در مرحله پیش پردازش بعد از حذف مو، ضرایب بهینه تصویر بدست می آیند. یک ناحیه بندی اولیه روی تصویر با ضرایب بهینه با استفاده از مالتی اتسو انجام می شود. در مرحله ناحیه بندی ابتدا ناحیه بندی اولیه اصلاح می شود. برای شکل گیری شبکه عصبی ساختار جنگلی، نمونه های بهینه با استفاده از الگوریتم بهینه سازی تجمع ذرات انتخاب می شوند. نتایج پیاده سازی نشان می دهد الگوریتم ارایه شده دقت بهتری نسبت به الگوریتم های آستانه گذاری اتسو و k-means دارد.