图像分割是计算机视觉领域一个重要而基本的问题,尤其是图像理解、成像目标的识别与跟踪、机器人视觉中的一项关键技术。图像分割是指把图像分解成各具特性的区域并提取出感兴趣目标的技术和过程,它是从图像处理到图像分析的一个关键步骤,在图像工程中占有非常重要的位置,并且己在诸如计算机视觉、模式识别和医学图像处理等实际中得到了广泛的应用。所以对图像分割的研究一直是图像技术研究中热点和焦点之一,从而导致图像分割的算法层出不穷。然而现有的图像分割算法对目标的检测和识别,多数未达到令人满意的结果,因此,根据实际课题的需要,本文展开了对图像分割方法的研究。结合本人参加的重庆市自然科学基金资助项目——图像处理技术及应用基础研究(CSTC2005BA2002),论文主要涉及了以下内容:利用小波变换具有低熵性、多分辨性质、去相关性、小波基选择的多样性和良好的时频局部化等特性,研究了小波多尺度边缘检测算法,得到了一些有用的结论,如在分辨率高(小尺度)时,图像的边缘细节较为丰富,边缘定位精度较高,但易受到噪声干扰;分辨率低(大尺度)时,图像的边缘稳定,抗噪性好,但定位精度差;针对图像分割时,模糊的部分应该是在边缘部分,而非边缘部分相对是明确的特征,提出了多尺度下小波边缘检测的改进算法,利用模糊隶属度函数的有效分类对灰度图像进行多尺度下的边缘检测,并在此基础上利用竞争法则提取边缘;针对图像边界的模糊性,采用扩展领域的思想,对图像边缘进行进一步地描述,再结合算法进行边缘的精确提取;针对彩色图像分割可能出现的一些零散的、不连通的、没有什么实际意义的区域以及过分割的可能,提出了基于模糊散度和模糊相异性的彩色图像分割方法,在一定程度提高了算法的分割质量;最后,通过对不同领域图片的实验分析,对分割算法进行总的分析评价,验证算法的可行性、可靠性,证明算法能达到较理想的效果。