脑肿瘤是严重危及患者生命安全的疾病之一,脑部组织结构复杂,给医生的诊断治疗带来了很大的困难。磁共振成像(MRI)技术具有对人体没有辐射影响、对结构组织成像效果好且能实现任意方位断层成像等优点,因此医生常用MRI脑肿瘤图像对脑肿瘤进行分析处理。脑肿瘤图像分割算法以及三维重建技术的研究有利于医生直观地观察到肿瘤的形状、大小等特征,对疾病诊断和手术治疗具有非常重要的意义。本文采用基于稀疏表示理论的稀疏子空间聚类算法对多模态脑肿瘤图像实现肿瘤分割,然后采用移动立方体(MC)算法对分割后的脑肿瘤图像进行三维重建。本论文的主要研究内容如下:(1)单一模态脑肿瘤图像对脑肿瘤难以全面描述。为了研究如何有效融合多模态脑肿瘤图像的肿瘤信息,本文以稀疏子空间聚类算法为基础,分别从基于单一模态分割和基于多模态融合对多模态脑肿瘤图像分割进行分析研究。实验表明,对于二维多模态脑肿瘤图像,基于差分操作的多模态脑肿瘤图像分割方法在主观评价和客观评价方面都取得较好的分割结果。(2)不同特征对肿瘤分割结果的影响不同。为了更好地利用多模态脑肿瘤图像信息,本文提出了基于特征区分的多模态脑肿瘤图像分割方法。该方法由多模态脑肿瘤图像提取出视觉差分图像,然后对视觉差分图像进行超像素分割,提取超像素特征,构建区分能力公式,根据各个特征的区分能力设置相应的权重,得到加权特征矩阵,最后利用基于稀疏表示的稀疏子空间聚类算法完成分割。采用Brats 2015比赛数据对所提出方法进行实验,结果表明所提方法能很好的综合多模态图像的肿瘤信息,得到较好的分割结果。(3)为了满足三维重建快速实现的临床需求,本文采用面绘制中的移动立方体算法对分割结果图像进行三维重建,多维度显示肿瘤信息,为临床诊断、手术治疗方案的设计提供了依据。