核磁共振图像在人脑疾病的诊断中的地位日渐重要,但核磁共振成像技术会使图像受到不同程度的偏磁场扰动,偏磁场影响后续医学从业者对图像的分析,直接关系到诊断结果的准确度。因此,如何对具有偏磁场扰动的人脑核磁共振图像进行偏磁场校正并准确分割,是具有重要的实际意义的。现存的众多偏磁场校正或图像分割模型,在处理受到严重偏磁场扰动的图像时,都表现出了一定的缺陷,如无法准确分割图像、无法给出合理的校正结果等。基于以上现状,本文同时考虑校正过程和分割过程,建立了两个能同时给出图像校正及分割结果的模型。借助一组基函数来近似表达图像的灰度和偏磁场,建立一个人脑核磁共振图像校正及分割模型。乘法内在分量优化模型利用一组基函数近似图像中存在的偏磁场,但没有考虑图像灰度本身的连续性,在校正及分割受到严重偏磁场扰动的图像时,无法给出准确的结果。因此,基于乘法内在分量优化的模型和分裂Bregman方法,本文提出了一个基函数表达的人脑核磁共振图像校正及分割模型,新模型合理考虑了图像灰度的连续性以及偏磁场的扰动作用,能够在对人脑核磁共振图像进行适度校正的同时给出分割结果。为更好地观察模型的性能,我们将新模型与乘法内在分量优化模型同时应用于大量的人脑核磁共振图像,在实验中对两个模型的分割效果、校正效果以及效率进行了比较。结果表明,新模型无论是在校正效果还是分割效果上都有一定提升,特别是对于乘法内在分量优化模型无法处理的强偏磁场扰动的图像,新模型也能给出较好的校正及分割结果。此外,由于在新模型求解中运用了分裂Bregman方法,新模型的求解速度也得到了提升。结合多图谱信息及图像自身信息,建立一个针对于三维人脑核磁共振图像的校正及分割模型,用于校正及分割三维人脑核磁共振图像中的局部组织。现存的模型在三维人脑核磁共振图像的校正及分割中,过于注重每一个二维切片上的图像信息,没有合理利用三维图像的空间性,会出现校正或者分割不准确的情况。本文所提出的新模型既保留手工分割的三维曲面,又强调二维切片了自身的图像信息。新模型在图像数据项中充分考虑偏磁场的扰动,使得新模型能在消除偏磁场扰动的同时给出分割结果,在多图谱融合项中引入一个空间权重函数,降低了模型对图谱数量和质量的敏感性,在求解过程中运用分裂Bregman方法,模型的求解效率得到提升。实验中,我们将新模型与多种分割方法进行了对比,验证了新模型在分割效果与效率上的优点,给出了新模型对三维图像的偏磁场校正结果。