近年来,随着现代医学图像技术的快速发展,医学图像的准确分割对于医生诊断和分析病因非常重要。磁共振(Magnetic Resonance,MR)成像是利用磁共振现象,将电磁波信号经计算机处理以获得断层图像。它具有任意切片成像和较高软组织分辨能力的特性,适用于全身各个系统不同疾病的检查。然而,由于外部因素的影响和成像装置的缺陷,MR图像存在边界模糊、强度不均匀性和随机噪声等问题,这对精确分割MR图像提出了很大的挑战。为了解决这个问题,本文将双树复小波变换与其他方法有效结合,提出了多种MR图像分割方法。本文的主要工作如下:(1)针对乳腺MR图像具有灰度不均匀、噪声复杂、难分割的特点,提出双树复小波(DTCWT)变换结合密度聚类的图像分割方法。算法首先利用复小波域双变量模型结合各向异性扩散函数对图像进行去噪处理,消除噪声对分割结果的影响;进而通过简单线性迭代聚类(SLIC)算法将图像划分成一定数量的超像素区域,根据事先设置的阈值搜索每个超像素的近邻,从而降低基于K近邻的密度峰值快速搜索聚类(KNN-DPC)算法寻找每个样本近邻的时间;最终,引入超像素区域的近邻信息度量样本密度,采用KNN-DPC算法的分配策略自适应聚类。仿真和临床数据分割结果表明,所提算法能有效的实现乳腺MR图像的分割。(2)考虑到多分辨率马尔科夫场(MRMRF)模型方向选择性差,提出在MRMRF模型中引入非下采样双树复小波变换对图像的多尺度特性,并利用变换后的低频序列直方图改进k-means算法的初始聚类中心,按照最大距离规则选取其他聚类中心,获取初始分割结果;最后在MAP准则估计中引入可变权值,提高算法对MR图像的分割精度。(3)考虑到模糊核聚类(KFCM)算法分割低信噪比图像时会产生较大偏差,使用非下采样双树复小波变换对待分割MR图像进行预处理,然后对分解得到的高低频分量赋予不同权重系数,重构用于KFCM的待分割函数;提出用邻域空间信息设计空间函数以改进目标函数,有效解决孤立区域的正确归类问题,使得算法能够对MR图像进行更高精度的分割。