脑部磁共振图像研究一直是当今医学图像领域的一个热点。在对医学图像分析之前最重要的一个步骤就是对图像进行分割,图像分割的结果将直接影响后续的图像分析过程。因此,对于脑部磁共振图像的分割具有极其重要的意义。本论文研究的重点就是脑部磁共振图像的分割问题,具体如下:1.从磁共振成像技术的原理出发,总结了磁共振图像的特点,并对目前常见的脑部MR图像分割技术作了总结。2.介绍了对磁共振图像进行预处理的目的及意义。详细研究了一种基于形态学的颅骨剥离算法,该算法对滤波后的图像进行边界检测,得到边界图像,然后通过一系列形态学方法,找出其中最大的连通区域,即脑组织所在的区域,实现颅骨的剥离。通过对算法的编程实现,验证了该算法对于多数图像能取得较好的分割结果,对于单张图片而言,可以通过对算法的参数的调整,取得更为精确结果,但是对于含有眼球、下颚等复杂组织的磁共振图像的分割效果并不理想,对于有脑外伤或者脑组织边缘有病变的磁共振图像也很难取得正确的结果。3.详细研究了一种基于表面模型的颅骨剥离算法,介绍了算法的原理,算法利用三角网格模型初始化一个形变模型,该形变模型在“外力”和“内力”的作用下逐渐逼近脑组织的外表面,实现颅骨的剥离。通过对算法的编程实现,验证了该算法的效果。与基于形态学的颅骨剥离算法相比,该算法由于受“内力”的约束,模型表面连续性较好,而且较为平滑,整体效果较好,对脑外伤或者脑组织边缘有病变的磁共振图像能取得较好的效果。但是该算法只能针对3D图像进行处理,限制了其应用。4.总结了当前常用的灰度不均匀性校正算法。详细研究了一种基于能量函数最小化的灰度校正分割算法,该算法利用基函数来模拟灰度不均匀场,对临床采集到的MR图像进行模拟,得到模拟图像与真实图像之间的能量函数,通过对能量函数的最小化求解模拟图像的各个参数,实现灰度不均匀性校正和正常脑组织的分割。通过实验,该算法能够有效的对图像的灰度不均匀性进行校正,算法对初始值不敏感,算法收敛速度快,图像分割精度较高,但是无法解决MR图像中部分容积效应的问题。5.为了解决磁共振图像中部分容积效应的问题,在基于能量函数最小化的灰度校正分割算法的基础上,采用了一种基于KNN的灰度校正分割算法。该算法利用K近邻法对模拟图像中的隶属函数进行求解,充分利用了像素的邻域信息,能够很好的消除部分容积效应的影响,同时继承了基于能量函数最小化的灰度校正分割算法的优点:对初始值不敏感,算法收敛速度快,图像分割精度较高。