تصویر برداری تشدید مغناطیسی(mri) به عنوان یکی از قوی ترین روش های تصویر برداری تشخیصی شناخته شده است. غیر تهاجمی بودن، غیر یونیزه بودن، درجه تفکیک بالا برای بافت های نرم و ایجاد تصاویر چند طیفی، مهمترین ویژگی های این روش هستند. اولین مرحله در تحلیل تصاویرmri ، ناحیه بندی کردن تصاویر است. در این مرحله سه دسته مهم بافت مغزی با شدت روشنایی های متفاوتی نمایان می گردد. این سه دسته مهم عبارتند از قسمت خاکستری(gm)، قسمت سفید(wm)و مایع مغزی- نخاعی(csf). عمده فعالیت هایی که تا کنون انجام شده است، بر روی روش های مختلف ناحیه بندی، متمرکز بوده است. روش های متعدد با نظارت و بدون نظارت، مانند روش های خوشه بندی فازی و غیرفازی و شبکه های عصبی مصنوعی، به منظورناحیه بندی تصاویر mri مورد استفاده قرار گرفته است . در این پژوهش، از ویژگی شدت روشنایی تصویر به منظور ناحیه بندی تصاویر mri مغز انسان استفاده شده است. روش های مختلف برای استخراج ویژگی های مختلف بافت مبتنی بر شدت روشنایی مانند روش های فازی و غیر فازی معرفی شده اند. روش مورد پژوهش که یک روش غیرفازی می باشد، به دلیل عملکرد مناسب، انتخاب و پیاده سازی شده است. در این روش از الگوریتم تکاملی سلسله مراتبی (hea)، یک روش آماری به نام آستانه یابی چند سطحی و الگوریتم تکاملی اجتماع ذرات(pso) استفاده شده است. روش های مختلف ناحیه بندی معمولا دارای محدودیت هایی نظیر تعیین کردن تعداد کلاس ها قبل از شروع پردازش و پیش پردازش هایی برای کاهش یا حذف نویز می باشند ولی در این روش با استفاده از الگوریتم سلسله مراتبی، این محدودیت ها تا حد زیادی اصلاح شده اند. سرعت همگرایی بالا و سادگی قوانین در تعیین جهت بهینه، از خصوصیات مهم الگوریتم روش پیشنهادی به شمار می آید.