高斯混合模型（GMM）易受噪声影响，马尔科夫随机场（MRF）模型能够很好地刻画空间特性。两者结合适用于对含有噪声的图片进行分割，但MRF模型用于图像分割时，容易出现过分割现象。针对这个问题，提出一种自适应权值系数的图像分割改进算法，从核磁共振成像（MRI）中较好地分割出脑脊液、灰质和白质组织。首先，使用K?means算法得到初始分割结果，通过期望最大化算法（EM）估计GMM参数，进而得到图像像素灰度的联合概率能量函数。然后，利用MRF邻域系统中心像素与邻域像素的灰度值、后验概率和欧式距离得到自适应的权值系数，使用MRF模型得到先验概率能量函数。最后，借助贝叶斯准则得到最终图像分割结果。实验结果表明，该算法具有较强的自适应性，能够较好地克服噪声对图像分割的影响织。与同类算法相比，该算法对含有噪声的脑部MRI图像具有较高的分割精度，可得到较好的图像分割结果。
