弥散张量成像技术是核磁共振成像的模型之一，通过测量生物组织内水分子的弥散情况来进行成像。弥散张量成像技术对研究大脑的认知功能和神经结构的正常工作重要的意义。在大脑白质组织中，弥散表现出各向异性，弥散的各向异性与脑白质内神经纤维的直径、密度、神经胶质细胞的密度和磷脂化程度有关。在神经纤维组织，水分子表现为沿着纤维走行方向的弥散比与其垂直的方向更容易，胼胝体、锥体束、内囊前肢的各向异性依次降低。　　胼胝体是大脑中最大的连合纤维束体，位于大脑纵裂底部，是沟通大脑左右半球的通道，主要参与大脑半球之间的信息交互整合。胼胝体对人的正常生理功能有着重要的意义，包括大脑的记忆功能、感知功能、语言功能和听觉功能以及视觉信息的传递功能。此外，胼胝体的病变与精神分裂症、自闭症等神经性疾病的产生也密不可分。因此，精确地分割出胼胝体可以对胼胝体相关疾病的诊断以及研究提供科学有效的依据。　　本文根据弥散张量胼胝体的成像特点，即胼胝体的各向异性程度较高，结合分水岭分割算法分割精度高的优势，并将粒子群算法和阈值算法应用到分水岭算法的改进中，提出了一种新的基于分水岭的改进算法来分割胼胝体。首先对胼胝体的弥散张量成像数据进行处理，得到其部分各向异性图像，然后将梯度图像的最大类间方差函数作为粒子群算法的适应度函数，使用粒子群优化算法求取最佳阈值，将求得的最佳阈值对图像的进行扩展极小值变换，然后修改梯度图像，将得到的新的局部极小值点作为标记点，对图像进行分水岭分割。本文主要完成了以下几个方面的工作：　　1.详细分析了弥散张量的成像原理，完成了对DTI数据的处理，对比了不同的DTI参数的特点，并通过计算求得了各向异性图像；　　2.总结了当前常用到的典型的医学图像分割算法；　　3.分析分水岭分割算法的原理、特点并探索其改进方法，重点分析了基于标记的分水岭算法及其改进方法；　　4.详细研究了粒子群优化算法的原理与实现过程，并针对不同的粒子群惯性权重进行分析，结合一种改进的粒子群优化算法和阈值标记法提出一种改进的分水岭分割算法；　　5.采用不同的分水岭分割方法，设计多组实验来验证算法的有效性。　　实验结果表明，该方法可以有效滤除传统分水岭由噪声等引起的伪局部极小值，从而抑制过分割，并且对胼胝体的分割取得了较好的效果。与传统分水岭分割方法相比，显著提高了分割速度与分割精度。