1、近年來，腦部MR圖像分割成為研究的熱點(diǎn)問題。然而MR圖像容易受磁場(chǎng)均勻性、硬件設(shè)備等因素影響而導(dǎo)致圖像灰度分布不均勻、存在噪聲等圖像假象產(chǎn)物，圖像分割十分困難。在已有的腦部MR圖像分割方法中，基于MRF模型的分割方法特點(diǎn)鮮明、結(jié)果穩(wěn)定可靠，吸引了國內(nèi)外越來越多的專家和學(xué)者對(duì)其進(jìn)行深入研究。本文針對(duì)MRF模型理論及其在腦部MR圖像分割中的應(yīng)用問題展開深入細(xì)致研究，主要結(jié)果及貢獻(xiàn)如下：
　　1)研究了MRF模型理論。定義了多特征隨機(jī)場(chǎng)

2、的概念并提出了一種新穎的基于多個(gè)特征隨機(jī)場(chǎng)的MMFRF模型，有效的融合了多種觀測(cè)特征信息，并將其通過貝葉斯框架組合成統(tǒng)一的概率決策模型，建立了與之對(duì)應(yīng)的MAP估計(jì)準(zhǔn)則及ICM算法優(yōu)化求解模式。傳統(tǒng)的MRF模型成為本文MMFRF模型取一個(gè)特征場(chǎng)（n1）時(shí)的特例，本文提出的MMFRF模型適用于多種計(jì)算機(jī)視覺和圖像分析應(yīng)用。
　　2)研究了MMFRF模型在腦部MR圖像分割中的應(yīng)用問題。提出了統(tǒng)一的基于MMFRF模型的腦部MR圖像分割框架

3、。研究了定義在腦部結(jié)構(gòu)子域上的局部MMFRF模型，并通過其構(gòu)建了針對(duì)整個(gè)腦部圖像域的組合MMFRF模型（MMFRF-SVPA）。研究了灰度、紋理、形狀特征隨機(jī)場(chǎng)及標(biāo)號(hào)隨機(jī)場(chǎng)的理論概念及實(shí)際計(jì)算。
　　3)開展了基于MMFRF-SVPA框架的腦部MR圖像分割實(shí)驗(yàn)。設(shè)計(jì)了在MMFRF模型中考慮特征隨機(jī)場(chǎng)個(gè)數(shù)取n2和3兩種情形多種分割算法進(jìn)行實(shí)驗(yàn)對(duì)比。利用多種評(píng)價(jià)指標(biāo)、在當(dāng)前研究領(lǐng)域內(nèi)的多個(gè)權(quán)威的仿真和實(shí)際的腦部MR數(shù)據(jù)庫上對(duì)本文提出的