婴幼儿阶段是人类大脑发育的重要时期,也是脑部疾病的易发时期。因此,对婴幼儿大脑发育状况做出正确评价并能够及时发现早期的脑部发育异常、脑部疾病有着十分重要的意义。现代医学影像技术中,核磁共振成像(Magnetic Resonance Imaging)技术己广泛应用于婴幼儿脑部疾病检查。对脑MR图像的精确分割是后续图像分析与疾病辅助诊断的基础。然而由于人脑结构的复杂性和差异性,MR成像本身的特点与问题,目前并没有一个算法能够完美的分割脑组织、深层脑结构和病灶区域。因此,本文针对婴幼儿脑MR图像分割问题,深入的研究了基于非局部图像块的多图谱融合分割算法,并提出了基于纹理特征信息的改进图像块构造方法和相似集获取方法。本文的主要工作及研究成果主要有:(1)研究了基本的多图谱融合分割算法的原理和算法流程。分析了基于非局部图像块的多图谱融合分割算法原理,并在此基础上实现了其分割算法框架,其中包括对图像的预处理,图像线性配准和标签传播,基于直方图的图像灰度配准以及基于图像块标签融合算法。(2)针对婴幼儿脑MR图像质量差、脑组织边界模糊等特点,本文提出了一种具有旋转不变性质的图像块构造方法,将LBP算子的纹理结构信息与图像块相结合,提高了同类脑组织图像块之间的相似性,解决了传统图像块辨别力弱造成的分割失败。同时使用了多尺度特征的图像块构造方法并将其与本文提出的改进图像块相结合,进一步增强了图像块的抗噪能力以及鲁棒性。(3)针对婴幼儿脑MR图像存在的不同发育状况的婴儿之间差别较大的问题,本文提出了一种基于邻域纹理特征的相似集构建方法。通过比较不同邻域中的LBP纹理特征,选择与目标图像块邻域解剖结构最为相似的图谱图像邻域并构建相似集,解决了线性配准带来的脑组织解剖结构未对齐的问题,进一步的提高了算法分割的准确性。(4)对本文提出的改进算法进行了实验。实验数据为七组新生儿脑MR序列图像,采用了交叉验证方法中的留一法对算法的分割性能进行评价。实验结果表明,本文提出的改进算法能够实现婴幼儿脑MR图像的精确分割。对不同参数对算法的影响也进行了分析与比较。