近年来脑部疾病及创伤严重威胁着人们的生活健康,脑健康问题引起了人们越来越多的关注。借助于医学影像对脑组织进行检查以及定性、定量的分析,从而得到相关脑疾病的信息并给出治疗方案,是医学研究和诊断中非常重要的方面,也是当前的研究热点。图像处理在医疗诊断中发挥着重要作用。核磁共振图像分割作为图像处理的基础环节,为高层次的图像处理提供所必需的数据,其分割结果的好坏直接影响后续处理的进行。但是由于核磁共振图像具有强噪声、弱灰度对比度、组织边界模糊等缺点,使核磁共振图像的分割成为一个难点。聚类是将数据分类到不同的类或者簇的一个过程,同一个簇中的对象有很大的相似性,而不同簇间的对象有很大的相异性。利用聚类思想可以来解决医学图像的分割问题。在众多聚类方法的研究中,非负矩阵分解是新的研究热点。与其他矩阵分解方法相比,非负矩阵分解在分解过程中施加严格的非负约束,能够得到原数据的纯加性描述。通过非负矩阵分解能够得到代表组成数据各部分的基矩阵和加权系数矩阵。在医学图像分割中,系数矩阵代表了各个像素的聚类标签,能够从非负矩阵分解的结果中得到像素的聚类结果。相对于K均值等传统的聚类方法来讲,非负矩阵分解的结果具有软聚类性质,更加适合于医学图像分割。本文利用非负矩阵分解的聚类性质对医学图像进行分割,主要研究内容如下：1.介绍了核磁共振成像技术的原理、核磁共振脑图像的组织结构及灰度特点,接着阐述了医学图像分割的背景意义及面临的困难,最后简要论述了医学图像分割的研究现状及常用的方法。2.叙述了非负矩阵分解方法提出的背景及数学表达方法,接着叙述了非负矩阵分解的迭代规则和收敛性,最后介绍了非负矩阵分解的研究现状及应用。3.提出了基于局部沃尔什变换和非负矩阵分解的核磁共振图像分割方法。局部沃尔什变换属于数字图像处理方法的一种。与其他纹理特征提取方法相比,该方法提取的特征具有更好的纹理鉴别性能。利用局部沃尔什变换的方法提取图像的纹理特征建立特征矩阵,再对特征矩阵进行非负矩阵分解,得到图像像素的聚类结果,完成图像分割。实验表明,该方法计算简单,精度比较高,可以得到比较理想的分割结果。4.将非负矩阵分解与图分割结合起来。基于图论的图像分割方法,将聚类问题转化为图的划分问题,不必考虑样本空间的形状,能够得到全局最优解。本文将图割的优点与非负矩阵分解软聚类的优点结合起来,首先建立与待分割图像相对应的无向加权图,然后利用非负的Laplacian嵌入对医学图像进行分割,得到图像的分割结果。实验表明相对于传统的Laplacian嵌入方法,非负Laplacian嵌入能够得到更好的分割结果。