چکیده: کنترل سلامت انسانها در دنیای کنونی و تشخیصهای پزشکی، بدون استفاده از تصاویر گرفته‌شده از اندامها و بافتهای بدن قابل تصور نیست. در این میان، روشهایی که مبتنی بر اخذ تصویر از مغز انسان هستند از اهمیت ویژه‌ای برخوردارند زیرا مغز بعنوان مرکز تصمیم‌گیری و کنترل فعالیتهای خودآگاه و ناخودآگاه انسان عمل می‌کند و عملکرد نامناسب آن عامل بروز بسیاری از ناتوانیهای جسمی و ناهنجاریهای رفتاری و روحی می‌باشد. 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 می‌آید. آنالیزها و پردازشهای مختلف روی تصاویر fMRI، نواحی فعال مغز در پاسخ به تحریکات حسی/حرکتی مختلف را از نواحی غیرفعال متمایز می‌کنند. این آنالیزها شامل دو گروه کلی روشهای مدل‌محور (استفاده از یک مدل بعنوان پیش‌فرض) و روشهای داده‌محور (آنالیز برپایه ساختار داده‌های ورودی) می‌باشند. در این پایان‌نامه، با تعمیم روش آنالیز مولفه‌های مستقل (یکی از روشهای داده‌محور) و استفاده از FastICA و Infomax بعنوان دو نسخه پرکاربرد از آن، ایده مفیدی را به کمک تبدیلات مورفولوژیکی Top-Hat برای افزایش کنترل‌شده کنتراست تصاویر fMRIارائه می‌دهیم. تبدیلات فوق بعد از انجام چند مرحله از پیش‌‌پردازش داده‌های اولیه و قبل از مرحله آنالیز و پردازش داده‌ها، اعمال می‌شوند. 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 قابل‌توجهی در تشخیصهای کمّی و کیفی نواحی فعال مغز در تصاویر نهایی شده است.