婴幼儿脑部疾病的发病率越来越高,目前对婴幼儿脑部疾病的计算机辅助诊断研究大多处于理论的研究阶段。在采用计算机应用各种图像分析方法进行脑疾病辅助技术中,最关键、重要的问题是将婴幼儿脑MR图像中把不同的脑组织提取出来。本文针对不同婴幼儿脑MR图像特征提出三种婴幼儿脑MR图像脑组织分割提取算法:(1)基于核函数的马尔科夫随机场图像分割算法。利用图像块代替单一像素点,通过高斯核函数计算图像块内像素灰度权重值,利用KL距离衡量图像块内像素先验概率相似性,在模型中引入惩罚项,最后利用最大后验概率求解模型,实验验证此算法能有效分割受噪声影响的婴幼儿脑MR图像。(2)基于SVM的马尔科夫随机场的图像分割算法。在MRF模型框架下,利用SVM对图像进行有监督学习,获取图像先验信息,利用高斯混合模型获得图像概率分布,最后利用最大后验概率对模型进行求解,实验验证此算法能有效分割婴幼儿脑MR图像。(3)基于加权的粗糙集模糊聚类图像分割算法。将加权模糊因子、高斯径向基核函数引入粗糙集模糊聚类模型,利用粗糙集、模糊集解决脑组织之间的边界模糊问题。实验证明此算法能有效分割受噪声、PV效应影响的婴幼儿脑MR图像。