در این پایان نامه، هدف ارائه روشی جهت ناحیه بندی خودکار بافت جمجمه و فونتانل از تصاویر ct می باشد. جمجمه ی نوزادان از چند قسمت استخوانی تشکیل شده است که این قسمت ها توسط یک غشای فیبری به نام فونتانل بهم متصل شده اند و کنتراست پایین تری نسبت به بافت استخوانی در تصاویر ct دارند. تعیین مکان دقیق فونتال ها در کاربردهایی مانند حل مسأله معکوس مکانیابی منابع سیگنال های الکتریکی مغزی (eeg) و یا بررسی الگوی رشد سر مهم است. از آنجا که فونتانل ها بصورت شکافی بین استخوان های جمجمه ای دیده می شوند لذا باید بطور غیر مستقیم تخمین زده شوند. در این پایان نامه جهت تخمین جمجمه و فونتانل از الگوریتم ناحیه بندی سطوح همتراز مبتنی بر مدل اولیه جمجمه استفاده می شود. برای کنترل تأثیر مدل در الگوریتم ناحیه بندی، ضریبی برای وزن دهی مدل بکار می رود که در این پایان نامه محاسبه آن به سه روش پیشنهاد شده است. این ضریب باید به گونه ای انتخاب شود که تابع ضمنی در مکان استخوان جمجمه ای به سمت استخوان و در مکان فونتانل به سمت مدل حرکت کند. در روش اول ? بصورت یک ضریب ثابت در نظر گرفته شد، اما انتخاب یک ? ثابت بطوریکه شرایط مطلوب برای حرکت تابع ضمنی را فراهم کند کار دشواری است. از این رو در دو روش دیگر ضریب ? بصورت محلی تعیین گردید. در روش دوم از طریق پنجره با اندازه متغیر مکان فونتانل ها تخمین زده شد و از آن بعنوان ضریب محلی در الگوریتم ناحیه بندی استفاده گردید. در روش سوم از اطلاعات آناتومیکی فونتانل برای بدست آوردن ضریب محلی استفاده شد. نتایج ناحیه بندی برای بافت های استخراج شده و بافت های معیار متناظر با آن ها و ارزیابی های کمی و کیفی موید دقت و کارایی روش ارائه شده برای ناحیه بندی تصاویر است. در این بین با توجه به استفاده از اطلاعات مدل آماری بعنوان ضریب محلی، نتایج بدست آمده دقت بالاتر این روش در مقایسه با دو روش دیگر را نشان می دهد.