随着生活水平的提高和社会信息化程度的加深,数字图像越来越成为在人们在日常生活中获取信息的最主要途径。图像分割是数字图像处理的一个重要组成部分,对于后续的目标检测、图像检索和图像理解等方面的研究来讲,图像分割作为它们不可或缺的预处理步骤,具有重要的研究价值。目前比较常见的是视频序列中的人体目标分割,其主要应用于公共场合的监控系统。而且,这类方法大部分都存在两个共同的缺点:检测到的运动目标不一定是人体;静止不动的人体无法被检测到。本文则侧重于研究单幅静态图像中的人体目标检测与分割,这对于基于内容的图像检索、人体目标识别与分类、图像理解等方面的研究和应用具有重要意义。在人体检测算法中,本文详细介绍了几类现有的人体检测方法,分析了他们的可靠性,并在此基础上提出了基于人脸检测和Normalized Cuts图像分块的人体检测和分割算法。人体的颜色、形状和姿态各异,这对人体目标全局的检测造成很大困难,所以本文采用两步走的方法:1)先检测上半身,包括头部、躯干和双臂。在人脸位置和大小已知的前提下,先使用模板匹配的方式找到一个最佳角度的上半身大致区域,再使用图分割方法准确地分割出躯干区域,同时还要检测出肤色区域,最后将躯干区域、人脸区域和肤色区域组合在一起,得到完整的上半身区域;2)然后在上半身分割结果的基础上使用主要颜色估计的方法找到胯部的大致位置,并再次使用图分割方法,分割出准确而完整的腿部区域。这样做的优点是能够克服上下半身由于不同颜色、不同形状、不同相对位置等因素给人体目标检测和分割带来的困扰。实验结果表明,本文提出的方法对正面人体的分割效果比较好,具有一定的鲁棒性。