背景医学影像图像分割对影像分析和临床诊断具有十分重要的意义,在医学影像图像的临床应用中,医学影像图像分割是三维重建能够得以实现的基础,而且还是医学影像图像处理系统能够在临床上得以实践并得以应用的基础。对医学影像图像进行快速的、精确的分割,不仅能够满足临床医生对完成手术计划的要求,而且还能确保医学影像图像系统在临床应用中的精确性,最终能指导临床医师的后续工作。目的本文所提出的算法是联合非下采样Contourlet变换和Markov场建模的一种新的医学影像图像的分割算法。首先用Contourlet变换对医学影像图像进行处理得到该影像图像的多级方向系数;接着用Markov随机场对分解后的Contourlet变换方向进行建模,最后用最大后验概率准则对医学影像图像进行分割。最终结果表明,该算法不但能够对医学影像图像的一些细节信息进行很好的描述,而且能够使医学影像图像的分割结果与分割前的原始影像图像保持很好的一致性。方法该论文主要做了以下一些工作:首先,研究了频域分解理论,通过对医学影像图像进行Contourlet变换,进而得到该图像在多方向上的变换系数;使用非下采样Contourlet变换来处理待分割图像,特别是图像细节方面,非下采样Contourlet变换能够对医学影像图像进行更好地处理。其次,结合非下采样Contourlet变换,再使用Markov场对其进行Markov建模,并借助最大后验概率准则实现医学影像图像的分割,能够得到更丰富的图像信息,同时对图像更加稀疏的进行表现,使计算流程更简洁。第三,为了对该算法进行评估,本论文中还设计了实验方案。通过对多组实验结果的对比分析,利用MICCAI会议工作组所给出的五个指标对医学影像图像的分割结果进行评价,经过综合分析,说明本论文算法的可行性与实用性。结论本论文的创新点是在对医学影像图像分割之前,使用非下采样Contourlet变换方法对图像进行处理以去除噪声信息,再联合Markov场建模,并通过最大后验概率准则达到图像分割的目的,本算法对影像图像的细节信息描述更详细,分割结果与原始图像具有更好的一致性,能更好的应用于CT脑图像和腹部MR图像的数据中。