在结合实时经直肠超声(TRUS)图像与离线磁共振(MR)图像的前列腺癌的穿刺诊断的系统中，以及在后期前列腺癌的放疗定位中，都需要离线的对MR图像中的前列腺进行准确分割。但由于前列腺在MR图像中的边缘往往比较模糊，专家在分割前列腺时，主要利用的是其形状与位置的先验信息。基于多图谱的分割技术，由于其全自动与高准确度，已经成为一种流行的医学图像分割方法。图谱描述的正是待分割器官在MR图像形状与位置信息。因此，本文主要研究基于多图谱分割的方法。基于多图谱分割方法中主要包含三大步骤：配准、图谱选择、图谱融合。配准属于是对图像进行预处理，而图谱选择与融合对最终的分割性能起着关键作用，因此，本文主要研究图谱选择与融合两个方面。具体地，在图谱选择过程中，利用流形学习算法中基于局部保形映射算法对图像进行降维，然后在低维空间中挖掘图像的本质相似度，提高图谱选择的精度；之后，通过分析图谱选择误差的主要原因，发现感兴趣区域周围组织与器官对图谱选择会造成干扰，导致图谱选择不准确，本文提出了利用图谱中的标记图像对流形的投影过程进行约束，使得低维空间中的点与点之间的距离更能揭示感兴趣区域的本质相似度，进一步改善图谱选择的精度。在图谱融合中，提出原始图与标记图在低维空间有相似的流形结构的假设，基于该假设，提出将高维空间的图谱融合权值计算问题转换为低维空间中数据点的重构问题，使得对各图谱的权值分配考虑了图谱之间的相关性，提高了图谱融合的效果。本文的主要贡献在于：1)提出利用局部保型映射(LPP)算法在低维流形空间中的选择图谱方法；2）提出一个基于数据驱动的利用图谱中的标记图像来对流形投影过程进行约束的图谱选择改进算法；3）提出在低维空间计算融合权重的图谱融合算法。通过与目前两个较流行的方法的比较表明，本文提出的方法选择出的图谱更接近理想的图谱选择结果，最终的分割精度也有明显的提高。