图像处理技术作为信息科学中的一个组成部分，正发挥着日益重要的作用。它融合了多学科的成果，并将之成功应用于航天、军事、工业、农业等各个领域。图像处理技术在医学研究、临床诊断和治疗等方面也扮演着重要的角色，它已经成为保障人类健康的必备手段。图像分割常用算法大体可分为基于区域分割、基于边界分割以及它们的融合算法三大类。本文基于互信息量和马尔可夫随机场(MRF)理论，围绕基于区域的图像分割方法进行了一些有益的探索。互信息量(MI)的概念源于信息论，它是两个随机变量统计相关性的一种测度。目前，互信息量是公认的图像配准准则之一。互信息量应用于图像分割的研究较少。近年来，有学者在此方向做了一些尝试。在图像配准中，互信息量作为联结两幅图像的纽带，发挥了重要作用。同样地，互信息量也有可能作为一种联结原图像与分割图像的纽带，并在某些性能指标上提高分割的质量。本文从互信息量入手，提出一种基于互信息熵差(dMI)测度的模糊交叉分割算法(DDC)。实验结果表明，dMI揭示了分割图像与原图像的一种内在联系，因而得以有效地确定图像分类数，而DDC算法对含有病灶的医学图像能够进行自动优化分割。另外，本文基于模拟退火算法和互信息量，以最大互信息量为优化目标，以dMI作为分类类数判据，并在此基础上构造了一种新的阈值分割算法——最大互信息量分割算法(MMS)。实验结果表明，该算法具有一些独特的优点。基于随机场的方法是一类考虑像素点之间空间关联的统计学方法。其中，基于马尔可夫随机场(MRF)的图像分割方法应用较为广泛。该理论也成功应用于图像处理的其他方面，如图像恢复、配准、重建等。本文基于树结构的马尔可夫随机场(TS-MRF)，提出模糊多级逻辑模型(fuzzy MLL)，并提出了一种新的图像分割算法——模糊TS-MRF算法。与传统的MRF分割算法和TS-MRF算法比较，该方法在计算耗时增加很少的情况下，对分割精度提高较大。更为重要的是，该方法提供了一个新思路，使得基于MRF的先验信息的描述更为精细。并且，本文针对基于二叉树分割算法的分割停止判断做了一些尝试。我们在分割图像中引入试探图像作为“催化剂”，并以“催化剂"在分割结果中是否显现为依据来判断二叉树分割的候选结点是否应该停止分割。初步实验表明该方法简洁有效。虽然本文在上述方面做出了一些有益的探索，并取得了初步的成果，但仍有一些不足：(1)本文重点在于方法的提出与模型的建立，但针对所提出方法尚需进行大量的分割实验并应用于解决临床具体问题；(2)本文提出的模糊MLL模型提供了一个使得基于MRF的先验信息的描述更为精细的新思路，有待在下步工作中将之拓展到图像分割之外的其它领域；(3)本文提出的催化剂分割算法，虽然得到了初步的实验证实，但该算法还需在理论基础与实际应用等方面进一步完善。