脑卒中已经成为二十一世纪以来人类死亡的第三大原因。因此,我们迫切的需要找到一种对这类破坏性疾病的有效治疗方法。随着医学影像学的不断进步,磁共振成像(MRI)被广泛的应用于脑卒中的检测和诊断当中,并取得了日新月异的发展。然而,随之而来的是大量的影像数据,给医生带来了巨大的工作量。计算机技术的发展,使得将计算机引入医学图像处理与分析领域变为可能,并给影像诊断带来了革命性的飞跃。本文针对出血性脑卒中的MR图像特点,对MR图像的处理算法进行了研究,主要有以下几个部分：(1)在图像预处理方面,从图像噪声的数学模型入手,在对常见的去噪模型进行研究的基础上,提出了基于非局部的自适应去噪算法。算法利用了图像的空间信息,去噪效果较好,通过对噪声图像进行拉普拉斯变换,得到对噪声方差的估计,由此得到去噪算法中的平滑权重,最后得到一种自适应的非局部去噪算法,算法的结果无论从视觉效果上还是在处理后的峰值信噪比上都有较大优势。(2)模糊C均值(FCM)是现今比较流行的图像分割算法。本文对RFCM算法进行了改进,在其惩罚项中加入了非局部权值,利用图像的冗余信息来消除噪声的影响,因此该算法更适合噪声图像的分割,对图像噪声有很好的抑制作用。(3)在病灶提取方面,本文研究了基于偏微分方程的活动轮廓模型,在分析了参数活动轮廓和几何活动轮廓模型的基础上,重点研究了基于水平集的非重新初始化的李纯明模型。并根据初始轮廓线对分割结果影响较大的特点,提出了基于模糊隶属度的初始轮廓线的确定,通过阈值对FCM算法中病灶所在类别的模糊隶属度进行设定,直接得到了水平集算法的初始轮廓曲线,实验表明,本文的算法在分割准确度和分割时间上都有了很大提高