随着图像处理技术的进步,医学图像在临床上的作用越来越重要,能够为医生提供非常重要的信息。医学图像分割是把医学图像中的医生感兴趣的部分提取出来的技术,是医学图像分析的基础,其分割效果的好坏直接影响着医生临床诊断的准确性。在医学图像分割研究中,由于人脑在机体中的重要性及其功能结构的复杂性,对人脑医学图像的精确分割是—个重要的研究课题。由于核磁共振成像技术对软组织特别是脑部疾病的检测具有其他成像设备无法比拟的优点,因此,对基于核磁共振(MR)图像的人脑图像的分割具有重要意义。在核磁共振(MR)图像的成像过程中,由于设备和人体器官本身的影响,造成了医学图像的固有模糊,针对这种模糊性,基于马尔科夫随机场(MRF)理论进行分割研究是一种有效的方法,但目前还存在一些问题,传统MRF的势函数不包括像素强度和像素间距离因素,但是图像分割的结果又受到这些因素的影响；传统MRF-MAP模型的似然函数是假设图像各类是高斯分布,但实际上并不完全符合高斯分布。本文基于马尔科夫随机场理论和贝叶斯理论,提出了改进的图像分割算法.论文首先介绍马尔科夫随机场用于图像分割的基本原理,介绍目前算法的不足,然后提出一种改进的算法,并对算法进行了验证。论文的主要工作和创新点如下：1.分析了国内外在医学图像分割领域的研究现状和发展趋势,并对图像分割的基本原理和几种常用的医学图像分割算法(如阈值法、边缘法、区域法、数学形态学法、结合特定理论算法)的基本理论进行了系统地阐述,同时指出了这几种常用算法的优缺点,文中也对图像分割的评价方法和评价准则进行了综述,并对核磁共振成像技术的原理、特点以及临床应用做了介绍。2.介绍了贝叶斯理论及在医学中的应用,同时详细阐述马尔科夫随机场的基本理论、马尔科夫随机场和吉布斯随机场之间的等价关系以及MRF-MAP框架,并讨论了几种基本的MRF模型、常用的优化算法和常用的图像分割最优准则,同时分析了传统的基于马尔科夫随机场和贝叶斯理论的医学图像分割算法存在的缺点。3.针对传统的基于马尔科夫随机场和贝叶斯理论的医学图像分割算法的缺点,提出一种基于马尔科夫随机场和贝叶斯理论的医学图像分割的改进算法。在探讨马尔科夫随机场中势函数的形式以及贝叶斯理论里的似然函数的基础上,提出一种含有观测场的灰度以及位置距离信息的新的势函数,并通过分析高斯模型和高斯混合模型的主要优缺点,利用高斯混合模型来构造贝叶斯理论似然函数,对传统的基于马尔科夫随机场和贝叶斯理论的医学图像分割算法进行改进。通过对人工合成图像进行分割实验,与传统的MRF算法相比,本文提出的改进算法的错分率大大降低；对人脑MR图像进行分割实验,本文提出的改进算法克服了传统MRF算法不完全分割的缺点,分割精度得到了很大提高,更加符合实际情况。实验结果表明本文提出的算法能够取得理想的分割效果,具有一定的理论和应用价值。