由于医学图像分割能够将表示人体组织结构的图像信息从图像中分割出来,因而能够极大地促进临床医学进行诊断,为临床医学诊断提供可靠的依据,备受广大科研人员重视。相比其他各种医学图像成像方法来说,磁共振成像(MRI)具有较高的软组织分辨率和空间分辨率,成像层面、参数、序列更多,图像信息丰富、数据量大,更为重要的是无放射线辐射损伤人体。然而,MR图像存在强烈的局部灰度不均、目标弱边界、噪声等问题,一直阻碍着MR图像分割在临床医学的使用。为了解决MR图像存在的上述问题,MR图像分割成为了近年来行业内的一个研究热点,当下水平集方法被公认为最有适合分割MR图像的方法之一。水平集方法通过求解偏微分方程来隐式表达曲线演化的过程,无需关注曲线的具体演化过程,计算过程较为平稳,且可以用于多维空间。然而目前各种传统水平集方法及其改进方法主要直接对MR图像进行分割,不能很好满足临床医学诊断的高精度分割需要。因此,本文提出结合二维集合经验模式分解(BEEMD)的距离正则化水平集(DRLSE)磁共振图像分割方法。本文主要的研究工作如下:(1)改进DRLSE方法的演化函数和边界指示函数:为克服MR图像中存在的各种问题,使用BEEMD方法,对MR图像进行分解,可得到多个代表图像不同信息的二维固有模式函数(BIMF)分量。通过对BIMF赋予不同权重系数求和,重构用于DRLSE方法演化函数的待分割图像,不同权重可以增强分割目标,去除噪声,改进演化函数。针对边界指示函数对高斯核的方差大小选择敏感,高斯平滑容易导致目标边界模糊的问题,在边界指示函数中加入少量代表边界信息的BIMF分量,改进边界指示函数,提高分割精度。(2)考虑到BEEMD方法分解速度慢,本文根据白噪声辅助一维复数经验模式分解方法既能去除模式混叠,又能提高分解速度的思想,添加白噪声作为虚部构造二维复数矩阵,提出复数白噪声辅助二维经验模式分解方法,根据欧拉方程对图像进行旋转,求得不同方向上复数矩阵分解所得分量,对二维复数分量实部求均值即为原图像对应分量。