医学图像三维重建及可视化技术在临床诊治、远程医疗、手术规划及模拟仿真、整形及假肢外科、放射治疗规划、解剖教学等方面都有重要应用。三维重建方法主要包括面绘制和体绘制两种。脑部不同物质的准确分类是重构三维大脑的基础,但体绘制方法中体数据的分类问题还没有提出很好的解决方法。针对这个问题,本文提出了一种基于多尺度连接模型的人脑磁共振图像模糊分类的算法,该算法建立在图像分割结果必须要在尺度内和不同尺度上同时得到优化的基础上。算法的实现过程如下:首先,对脑MR图像偏场分析,进行灰度不均匀性校正;然后,用非线性扩散连接模型来建立不同尺度间的模糊相似性,再通过非线性扩散连接模型引入新的尺度间的模糊约束,新的约束描述了高尺度和低尺度的模糊连接关系;相应地,定义了两个模糊距离来描述相邻尺度上父子像素和聚类中心的相似性,并引入到模糊聚类算法中;通过组合尺度之间和尺度内的模糊约束,定义了一个新的多分辨模糊聚类框架。在实验中对正常人和多发性硬化疾病的脑MR图像数据用该方法进行分类并可视化,表明该方法能够准确地分类出脑白质、脑灰质和脑脊液。和常规的模糊聚类方法相比,该方法对噪声图像和低对比度图像如医学图像,有更好的鲁棒性。最后用体绘制方法对分类结果进行重建,得到了理想的三维重建结果,证明了该算法的有效性。