کنترل سلامت انسانها در دنیای کنونی و تشخیصهای پزشکی، بدون استفاده از تصاویر گرفته شده از اندامها و بافتهای بدن قابل تصور نیست. در این میان، روشهایی که مبتنی بر اخذ تصویر از مغز انسان هستند از اهمیت ویژه ای برخوردارند زیرا مغز بعنوان مرکز تصمیم گیری و کنترل فعالیتهای خودآگاه و ناخودآگاه انسان عمل می کند و عملکرد نامناسب آن عامل بروز بسیاری از ناتوانیهای جسمی و ناهنجاریهای رفتاری و روحی می باشد. روش mri مبتنی بر عملکرد تابعی (fmri) یک روش نوین و کارآمد برای مطالعه نحوه عملکرد مغز در رفتار، احساسات و واکنشهای انسانی (برای انواع تشخیصهای کلینیکی و کاربردهای تحقیقاتی) در میان روشهای تصویربرداری پزشکی به حساب می آید. آنالیزها و پردازشهای مختلف روی تصاویر fmri، نواحی فعال مغز در پاسخ به تحریکات حسی/حرکتی مختلف را از نواحی غیرفعال متمایز می کنند. این آنالیزها شامل دو گروه کلی روشهای مدل محور (استفاده از یک مدل بعنوان پیش فرض) و روشهای داده محور (آنالیز برپایه ساختار داده های ورودی) می باشند. در این پایان نامه، با تعمیم روش آنالیز مولفه های مستقل (یکی از روشهای داده محور) و استفاده از fastica و infomax بعنوان دو نسخه پرکاربرد از آن، ایده مفیدی را به کمک تبدیلات مورفولوژیکی top-hat برای افزایش کنترل شده کنتراست تصاویر fmriارائه می دهیم. تبدیلات فوق بعد از انجام چند مرحله از پیش پردازش داده های اولیه و قبل از مرحله آنالیز و پردازش داده ها، اعمال می شوند. افزایش کارایی روشهای متعارف با انجام این تبدیلات، روی یک پایگاه داده تصاویر خام fmri مربوط به یک آزمایش احساسی/شناختی مورد بررسی قرار گرفته که باعث بهبود قابل توجهی در تشخیصهای کمّی و کیفی نواحی فعال مغز در تصاویر نهایی شده است.