近年来医学图像处理技术发展迅速,脑部图像的处理是其中非常重要的组成部分。图像处理中的图像分割是把需要的感兴趣区域进行分割提取,这一步骤非常重要为后来的手术方案制定等后续不中提供了重要的参考价值。核磁图像是脑肿瘤诊断重要手段,通过对带有脑肿瘤的核磁图像的处理可以给临床提供重要的参考价值。基于核磁图像的脑肿瘤的分割的研究已经成为了一个越来越热门的话题。本文主要针对核磁图像中的脑肿瘤进行分割,使用的是基于稀疏贝叶斯模型的方法和多图谱融合相结合的方法,不仅实现了把脑肿瘤区域分割出来,还对肿瘤的不同子区域进行了分割。所做的主要工作如下所示:(1)相关文献调研和分析。调研了国内外与脑肿瘤分割相关的文献。分析了国内外专家在医学图像分割领域的研究现状和未来的发展趋势。(2)对图像分割的相关理论进行介绍。系统的介绍了稀疏贝叶斯模型和马尔科夫场模型。(3)阐述稀疏贝叶斯模型在脑部核磁共振图像上面实现自动化的对脑中肿瘤的分割,及使用多图谱融合方式把不同模态分割结果进行融合。第一部分主要集中在分割算法上面,结合马尔科夫随机场及吉布斯随机场使用稀疏贝叶斯理论实现在核磁成像的四个模态图像上的脑肿瘤的分割。第二部分主要是使用局部权重投票策略实现基于多图谱的标签融合算法,融合不同的模态图。融合时给每一个图谱都分配一个具体的权重系数,权重系数的计算通过图谱和目标图像之间的最大似然函数实现。(4)实验与验证部分。对于分割效果的评价,采用了医学图像计算与计算机辅助干预学会2017年脑肿瘤分割挑战赛的部分数据。对结果进行了定性和定量分析。在与其他方法的对比上采用了真阳性率、阳性预测值等分割评价系数进行对比。并且计算了分割图像中不同肿瘤子区域的体积和融合过后的体积。通过和另外的方法分割效果的对比可以发现,本课题提出的方法能够获得较好的相似度系数的均值而且稳定度较好,能够为医学研究和实际操作提供一定的价值。最后对全文和自己工作做了总结,分析了本文研究的方法的优点和不足之处。并对未来的研究方向做了规划。