脑肿瘤的发病率约为7-10人/10万,且具有较高的死亡率,是危害人类健康的常见恶性疾病之一。目前,脑肿瘤影像学检查方式的首要选择是磁共振成像技术（magnetic resonance imaging,MRI）。MRI不仅可以实现任意方位的断层扫描并且具有对结构组织成像较好、对人体无辐射影响的优点。通过MRI技术可以清晰地显示出肿瘤的形态,大小以及空间信息等特征。因此,在MRI图像上对脑肿瘤进行分割受到越来越多研究者的重视,各种分割方法也层出不穷。本文围绕脑肿瘤MRI图像的分割问题,分析研究了不同分割算法的优缺点并在实际采集的肿瘤数据中进行了实验,然后提出了两种改进的肿瘤分割算法,并利用三维重建算法实现肿瘤的三维重建,最后完成MRI图像的肿瘤分割工具箱的设计,将改进的分割算法用于脑肿瘤分割工具箱,简化了MRI脑肿瘤图像分割的参数设置,方便了肿瘤的分割和重建。主要工作如下:（1）综合研究了基于能量泛函的分割方法的基本原理、能量函数的构建和轮廓的演变过程、以及在医学图像处理领域的相关应用。重点研究了水平集（Level set）方法、活动轮廓模型（active contour model,ACM）,也被称为Snake模型以及CV（Chan-Vese）模型,对比分析了这三种方法在医学图像分割中的优缺点。实验结果发现:水平集方法的拓扑形态变化比较灵活,对灰度比较均匀的肿瘤图像有较好的识别能力,但对部分肿瘤图像不能准确的识别;Snake模型分割的结果轮廓比较光滑,但曲线演化过程中容易受局部极值点影响;CV模型在实际的肿瘤图像中拥有灵活的拓扑形态变化,但不能有效的分割肿瘤灰度不均以及边界模糊的图像。（2）为了解决水平集方法在分割脑部MRI肿瘤图像过程中出现的由图像强度不均等情况导致的分割效果不佳的问题。本文使用相应的预处理方法并提出了基于水平集的自动修正算法。通过肿瘤图像预处理方法可以实现图像去噪和边界对比度增强,然后再使用改进后的水平集算法进行分割,可以提高灰度不均的肿瘤图像的分割效果,同时还能对分割完成的肿瘤轮廓进行约束。实验结果表明,该方法能较好地处理肿瘤灰度不均以及部分切片边界不清晰的图像。（3）MRI图像中的局部极值点会干扰Snake模型中能量函数的收敛,导致分割结果不准确,并且作为相邻切片的初始轮廓后,误差将进一步扩大。为了解决该问题,本文提出使用支持向量机（support vector machine,SVM）对肿瘤图像中正常组织和病变组织进行分类,并对肿瘤区域进行提取,然后使用提取到的区域修正活动轮廓模型分割的结果,从而达到最佳的分割效果。实验结果表明,改进后的Snake分割算法能较好地识别肿瘤区域。（4）为了满足快速诊断的需求,本文中使用面绘制方法中的移动立方体（marching cubes,MC）算法对分割完成的肿瘤数据实现任意范围和任意阈值的三维重建。实验结果显示,通过对分割的肿瘤数据进行三维重建确实能够清晰的显示肿瘤的邻近功能区以及其他的组织器官。（5）为了实现肿瘤快速分割并且简化肿瘤分割算法的使用,本文将该方法编写为肿瘤分割工具箱。该工具箱可以完成肿瘤切片的分割、对分割完成的部分切片进行人工修正以及对肿瘤进行快速的三维重建等,并实现肿瘤的多维度动态显示,为临床诊断和手术治疗方案提供参考。