随着医学影像技术的迅速发展,医学影像逐渐成为临床医疗的一种主要辅助手段,很大程度上提高了医生的确诊率。当前针对医学图像的分割主要将重点置于核磁共振图像(MRI)。脑部组织主要包括灰质(GM)、白质(WM)和脊髓液(CSF),准确地分割脑部组织是临床诊断和神经科学中的关键步骤,由于脑部MR图像不可避免地受到噪声、部分容积效应以及偏场的影响,导致现有的分割算法都或多或少存在分割结果不正确情况,是医学图像中的关键问题和难点,因此该问题引起了国内外学者专家的广泛研究关注。尽管改进的FCM算法已成功的对不同类型的图像进行分割,但是他们在分割脑部MRI图像时存在以下弱点:在处理带有偏场的脑部MRI图像时不能有效的校正偏场,造成分割的结果不够准确;同时,无法精确估计邻域点和中间点的影响,控制噪声或异常点的鲁棒性较弱等。基于以上问题的分析,本文提出一种基于FCM算法的脑部MR图像偏场校正和分割的新算法RCLFCM。首先,考虑到FLICM算法只考虑了空间距离因子,不能正确估计邻域窗口的影响。为了解决这个问题,新算法提出了一个新的邻域灰度差系数,并结合局部窗口方差系数,设计了新的影响因子来衡量邻域点对中心像素的影响,从而充分考虑像素的邻域信息,减少噪声的影响。其次,为了尽量多地运用像素之间的空间信息,本文构造了新的公式来更新模糊隶属度,使算法能够在较少迭代次数之内达到收敛,提高了算法的有效性。最后,重新定义了 FCM的目标函数,并将偏场估计模型加入目标函数,在处理过程对MRI图像同时进行偏场校正和分割,抑制了偏场对医学图像的影响,提高了分割准确度。本文将新算法用于包含偏场和噪声的MRI合成脑部图像,并将实验结果和另外五种具有代表性的算法进行了比较。通过视觉效果分析以及分割准确度分析之后,实验结果表明,本文的算法能更加有效地估计偏场和抑制噪声,获得比较精确的脑组织分割结果。