磁共振(MR)脑部图像的分割主要包括两个方面的内容:一是对正常脑组织的分割,就是要将MR脑部图像分割为灰质、白质和脑脊液等组织部分。这是医学图像配准、三维重建和可视化的基础;另一方面就是对包含有病灶的MR.脑部图像的分割,即将感兴趣的病灶从其它组织中分割出来。这样就能够对病灶的形状、边界、截面面积以及体积等进行测量,并通过在治疗前后对这些指标的测量和分析,帮助医生制定和修改治疗方案。由于人体解剖的个体差异较大,临床应用对医学图像分割的准确度和算法的执行速度要求较高;又由于噪声、偏移场效应和部分容积效应等对图像的影响,使得已有的分割算法远未达到理想的效果。因此,MR脑部图像的分割一直是医学图像处理和分析的热点研究问题。医学图像的部分容积效应和有些组织区域的不确定性,决定了医学图像的模糊性。基于模糊理论的图像分割算法将模糊概念引入到图像分割算法中,用隶属度表示像素占各种“纯组织”部分容积的比例。这已经广泛地应用于MR脑部图像的分割中,其中最具代表性的算法就是模糊C-均值聚类算法(FCM)。但传统的FCM聚类算法是一种仅利用灰度信息的聚类算法。它未考虑相邻像素之间相关性,未能利用图像的空间信息,在分割低信噪比图像时会产生较大的偏差。本文对传统的FCM算法进行进行了深入的研究,在此基础上提出了两种改进算法,这些方法在提高图像分割精度和鲁棒性等方面具有显著效果。多发性硬化症是一种严重威胁中枢神经功能的疾病,对其病灶的分割方法研究正受到越来越多的关注。但由于实际的临床图像存在较严重的不确定噪声、不均匀性以及多发性硬化症病灶表现复杂等原因,使得现有的算法的分割效果不尽人意。本文利用改进的算法对多发硬化症进行了分割,取得了满意的分割效果。本文首先对医学图像分割的现状作了详尽的综述。这部分主要介绍了医学图像分割方法的各种分类方法,特别对近年来医学图像分割方面的新算法及其特点作了一个详细的总结。第二章主要对近年来国际上出现的多种改进的FCM算法进行比较分析。将它们大体分为三类:第一类,改变隶属度的约束条件;第二类,引进空间信息约束项;第三类,引入核函数。对这些算法中比较典型的算法做了简单的分析和评价。第三章是本文的重点内容,根据脑部MR图像真实的灰度值具有分片为常数的特性,按照合理利用空间信息的原则,提出了一种基于多目标规划的FCM聚类算法。在传统的FCM算法中增加了空间信息约束项,提出了新的目标函数,并运用Lagrange乘数法,得到该规划问题的解。通过对模拟方块图和脑部MR图像以及临床脑部MR图像的分割实验,表明该算法在分割被噪声污染图像时,比传统的FCM算法及其改进算法具有更精确的图像分割能力。第四章是本文的又一重点内容,由于传统的模糊聚类算法,只考虑了当前象素的作用,对分割含噪声图像不敏感。本文在传统的模糊聚类算法中引入了核函数,同时引入了控制邻域作用的约束项,提出了改进的基于模糊核聚类的MR图像分割新算法。通过对模拟图和仿真的脑部MR图像的分割实验证明,该算法对被噪声污染图像亦具有鲁棒性,特别是对被椒盐噪声污染图像的分割,可以有效地滤除噪声得到良好的分割结果。第五章将多发性硬化症的MR成像特点和解剖性质做为先验知识,提出了一种针对多发性硬化症病灶T2加权脑部磁共振(MR)图像的分割算法。根据多发性硬化症病灶和脑脊液在T2加权像上同表现为高亮度信号的特点,本文把模糊C均值分割算法与形态学方法相结合,提出了基于核模糊C均值的多发性硬化症病灶分割算法。该算法首先用第四章改进的核模糊C均值算法做基础分割,再用形态学方法提取出多发性硬化症病灶得到最终分割结果。通过对多发性硬化症模拟脑部MR图像的分割结果表明,本文算法能够比较准确的分割多发性硬化症病灶。其分割效果明显好于FCM聚类算法。该算法还具有无监督、运算速度快、稳健性好等优点,能够应用于多发性硬化症的临床辅助诊断。第六章研究了基于马尔可夫随机场的DT-MRI图像分割算法。在DT-MR扫描下,大脑中的灰质和脑脊液表现出各向同性,而白质由于其存在具有髓鞘的神经轴突而限制了水分子,使弥散仅沿着神经纤维轴方向进行,表现出显著的各向异性。根据此特性,DT-MRI技术在显示脑白质的微观组织结构和纤维束走向等方面具有极大的优越性,作为目前唯一的非侵入性分析大脑内部结构的重要工具,DT-MRI已经在中风、老年痴呆症、精神分裂症、脑缺血以及多发性硬化症和其他一些脑部肿瘤的研究和诊断中发挥了重要的作用。本章利用图像空间的相关信息作为先验知识,引入新的距离判别标准,基于马尔可夫场(MRF)模型,运用Gibbs场和最大后验概率(MAP)实现了一种DT-MRI图像分割的新算法。该算法具有无监督、稳健性好、收敛速度快、对低信噪比图像具有良好的分割结果等特点。