随着科技的不断发展,人们对信息需求日益增长,图像分割作为信息处理的基础环节显得尤为重要。但是图像分割一直是人们棘手的问题,虽然现有很多算法,但还未出现一种针对所有图像分割都能起到行之有效的方法。由此图像分割备受关注,热度不减。目前形势,人工智能在图像分割领域比较热门,一些方法被挖掘出来并取得了良好的效果。本文对图像分割进行了深入的学习和探索,主要内容包括:对四元数指数矩、四元数圆谐-傅里叶矩、孪生支持向量机(TWSVM)、带有一致性的临近支持向量机(PCC)、四元数小波变换(QWT)和隐马尔科夫树(HMT),结合这些方法主要完成如下工作:1、首先利用四元数指数矩对彩色图像进行分解,提取低频系数作为像素级特征,然后利用二维Arimoto熵进行训练样本的选取,最后用TWSVM进行像素分类。利用四元数指数矩进行像素级特征的提取,不用考虑图像分量间的相关性和联系性,并且将图像分割提升到超复数的领域,获得的结果更符合人类的视觉。2、结合PCC理论,我们对四元数圆谐-傅里叶矩进行像素级特征提取,利用二维Tsallis熵进行训练样本的选取。实验证明,该算法具有很好的稳定性和高效性,对不同类型的图像都能分割出最优的结果。3、提出了新型QWT-HMT的图像分割方法。首先利用四元数小波对图像进行分解,进而求出系数的幅值和相位,利用幅值和相位进行HMT建模,该方法考虑了四元数小波系数的方向间、尺度间、尺度内的关系,利用四元数小波幅值和相位建树,这样很好的捕获了图像的局部信息和纹理信息,并获得良好的分割结果。