随着社会经济的不断发展以及人们生活水平的提高,人们对自身的健康问题越来越关注。胰腺癌是世界成年人群中位居第四的致命肿瘤,且致病程度非常高。但随着医学影像数量的海量增加,和基于医学图像的图像分析处理技术重要性的突出,如何有效、快速的对胰腺进行定位和分析,成为医学辅助诊断的重要课题。而胰腺是一种位于腹部内部的软组织器官,欠缺有形器官的固定形状,又与其周围的重要结构组织关系紧密且多变,边缘界限不易确定,这些对于MRI图像中的胰腺自动提取带来很大的困难,为此,本文围绕腹部MRI序列图像中胰腺区域的分割问题进行展开,主要完成如下的工作:(1)针对腹部MRI序列图像背景复杂,胰腺目标区域存在弱边缘、与胃部区域灰度级相似且位置相近的问题,提出了一种基于形状约束和种子迁移生长的胰腺MRI序列图像分割方法。该方法通过区域生长方法进行分割,并利用胃部具有的规则形状特征进行条件约束,对目标区域胰腺、胃部以及肝脏进行联合分割,达到同时对多个目标进行分割提取的目的,极大提高了图像处理的速度以及分割的准确度。(2)提出了一种基于字典迁移学习的腹部MRI序列图像分割方法,通过对目标区域和背景区域分别进行训练学习,得到目标和背景字典,分别对后续待处理的图像进行重构误差逼近,得到相应的目标区域,同时,对字典进行更新,实现了更加鲁棒的胰腺分割。(3)提出了一种基于统计学习的2D腹部MRI序列图像的胰腺提取方法,对胰腺、肝脏、胃部等目标样本数据进行统计分析和分布估计,建立了目标区域的正态分布模型,并利用贝叶斯分类器对后续的待测数据进行分类,结合Mean shift的初分割结果,通过计算区域块中目标点的加权密度,提取得到目标区域,进一步提高了分割的准确度。