磁共振图像广泛应用于医学临床，利用计算机辅助诊断各种疾病，提高临床医师诊断准确性，是生物医学工程领域的重要课题。但是由于扫描磁场以及成像设备自身存在的非均匀性，导致磁共振图像存在非均匀场，即同一生理组织灰度值发生缓慢变化的现象。非均匀场的存在严重阻碍了磁共振图像的临床应用。因此，研究如何校正非均匀场有很大的现实意义。　　 本文对目前存在的非均匀场校正算法进行了调研，并分析各种算法的优缺点，研究了非均匀场的数学模型，介绍了基于模糊聚类校正算法和曲面拟合的基本原理。在此基础上提出两种非均匀场校正算法:改进的模糊C均值校正算法和模糊核聚类校正算法，具体研究工作如下:　　 本文提出改进的模糊C均值校正算法是将模糊C均值(Fuzzy C-Means，FCM)算法与多通道线圈图像相结合的校正算法。该算法利用SoS(Sum of Squares，SoS)算法对多通道线圈图像进行重建得到SoS图像，并对SoS图像进行FCM聚类，将聚类分割结果映射到线圈图像，再与最小二乘曲面拟合相结合拟合非均匀场，继而进行图像校正。与传统FCM算法对比，该校正算法克服了非均匀场对磁共振图像灰度值的干扰，能够得到较好的分割结果。　　 拟合非均匀场时为防止过拟合现象，本文提出多阶段迭代校正克服噪声对校正的影响，同时提出多物质曲面拟合，克服单一物质拟合的片面性。实验结果证明改进算法校正效果优于FCM校正。　　 模糊核聚类校正算法是本文提出的另外一种校正算法。通过引入核方法，将图像灰度值映射到高维特征空间，在高维特征空间进行模糊聚类。此算法可以将输入样本非线性问题转化为线性问题，达到更精确分类。本文利用模糊核聚类算法处理SoS图像，相对于FCM算法，该算法得到的分割效果细节方面更精确，速度方面也优于FCM，同时对非均匀场进行了校正，可以应用于计算机辅助诊断中。