超像素或超体素是近年来快速发展的一种图像预处理技术。该技术是将图像中局部区域中相似的像素或者体素,聚集生成具有一致性的、能够保持一定图像局部结构特征的子区域。和传统的图像处理的基本单位像素或体素相比,超像素/超体素具有以下优点:(1)通过对像素的分组获得图像冗余信息,这种方式使得处理对象的规模大大降低,并且减小了后续图像处理工作的复杂度;(2)使得图像的局部特征的提取更便利,同时更有利于表达图像的结构信息。对大脑磁共振图像(MRI)的研究一直是医学图像处理领域的热点。由于磁共振图像具有成像清晰、多角度等特点,同时磁共振图像中还包含丰富的人体软组织对比信息,所以在医学影像尤其是对大脑图像的分析中越来越展现其优越性。并且已经被广泛地应用于认知研究,疾病的诊断预测和治疗等领域。超体素技术是将具有高度冗余特性的体素聚集成具有均匀区域的有意义的超体素。超体素能够提供局部图像特征,将其应用在大脑MRI图像上可以降低后续处理和分析任务的复杂性。由于人脑具有复杂的内部结构以及大脑MRI的部分容积效应,现有的超体素生成算法应用于大脑MRI图像仍有许多局限性。为了解决这个问题,本文基于先验知识提出了一种新的应用于三维大脑MRI图像的迭代空间模糊聚类的超体素生成算法。首先,由于人类大脑具有相同的拓扑结构,可以从基于群体的大脑MRI模板获得一组种子模板,然后投影到个体空间生成初始的种子。其次,为了降低部分容积效应的影响,本文提出了一种有效的迭代空间模糊聚类算法,将体素分类到每个种子中以生成大脑MRI图像的超体素。为了评估本文提出的超体素生成算法的性能,本文选取了通用的Brain Web18和IBSR18大脑磁共振图像数据集进行实验,并采用了 UE、BR和ASA这三个测度。最后将本文算法和目前经典的SLIC、GB、以及RSV三种算法进行了对比,证明了本算法对于大脑磁共振图像的有效性。