MR膝关节软骨图像的分割对于膝关节炎和其它关节疾病的诊断有重要的医学意义。但由于膝关节软骨的形态细小，且与邻近组织图像的对比度有限，膝关节软骨图像分割难度较大，采用一些传统图像分割算法在这种情况下分割效果不够好。本文以图割算法框架为基础，提出了一种改进的图像分割算法，并讨论了该算法在MR膝关节软骨图像分割中的应用。本文的具体工作如下：1)在图割算法框架中，单元势能和邻域势能的构造是分割算法中最重要的核心问题。本文选取了像素点的多种图像特征，组成特征向量。通过对各像素点的特征向量进行聚类，将图像映射为一幅聚类标记图。然后计算各像素点与目标和背景种子点的直方图距离，并利用此信息完成对单元势能和邻域势能的构造。2)为了能够在分割算法中融入图像的空间结构信息，本文提出了一种新的对势能函数的连通性增强算法。该算法利用各像素点到目标与背景种子节点的最短路径和相应的最短距离分别对单元势能和邻域势能进行了改进，提高了图像中目标区域与背景区域的类间差异性与类内同质性，改善了待分割目标图像的连通性。根据最短路径信息，本文还对人机交互方式做出了改进，减少了人机交互的工作量。3)针对MR膝关节软骨图像分割的实际应用，结合MR膝关节图像的特点，本文通过对初始单元势能进行聚类，找出它们的两个聚类中心，然后利用各像素点到聚类中心的距离信息对单元势能进行修正，解决了算法对于该类图像在单元势能取值上的失真问题。本文以医生提供的标准分割结果作为参照，通过与经典图割方法进行对比，实验显示本文算法分割结果的精度相对于经典图割方法有较大提高。本文还详细分析了算法中各个参数对分割效果的影响，并给出了一组综合效果较好的算法参数设置。