图像分割是一种基本的计算机视觉技术,是自动化图像处理的一个重要环节,是图像分析与理解的基础,一直以来都备受关注。由于图像分割的重要性,自上世纪70年代以来,研究人员针对不同图像的不同分割问题提出了许多方法。时至今日,并未发现具有强大普适性的图像分割算法,也没有制定出统一的标准来选择适用的分割算法。本文针对多种不同图像分割算法进行改进,并在相应的数据集进行了验证,所做的主要工作如下:提出了一种基于GrabCut算法的彩色图像分割算法。首先,对原始图像以SLIC算法预分割出超像素块,以超像素块的RGB均值为像素点构建精简的Graph Cuts模型。然后,基于最小错误的贝叶斯分类对简化模型中超像素点进行划分,并对划分后的Graph Cuts模型进行第二次SLIC聚类,再次使用各像素块均值进行高斯混合模型参数估计,多次迭代寻求最优。最后根据最大流最小割算法获取最小代价分割集合。通过实验证明本文提出的算法在客观指标上优于已有的其他Grab Cut算法,此外还能有效处理复杂背景下的多目标分割,将具有相同特征的多个目标完整的与背景划分,达到在复杂环境中准确的提取前景图像的目的。提出了一种结合约束项的FCM遥感图像分割算法。将图像的邻域信息与噪声信息均作为约束项引入到FCM算法的目标函数中。在迭代求解过程中,考虑邻域信息以及噪声对聚类函数的影响。有效降低算法对噪声的敏感性并保护图像中原有细节信息。通过自适应获取约束项影响系数,本文算法可以高效应对不同级别噪声污染的遥感图像。提出一种结合分水岭算法预处理和区域合并图像分割算法。首先,在空域梯度算子求其梯度图像的基础上利用位图切割重建梯度图像;然后,对重建后梯度图像进行分水岭预分割;最后,对预分割图像基于异质性最小原则进行区域合并,并获得最终分割结果。相比于现有的同类方法,本文算法引入位图切割,抑制噪声对分割结果的影响,在边缘模糊处分割准确,得到符合人类视觉的较小分割区域数目,同时在运行效率上提高。提出一种结合分水岭和幂律分布的彩色图像分割算法。首先,利用Soble算子求得原始梯度图像,并对原始梯度图像进行形态学极小值标定;然后进行分水岭预分割,并通过存在于图像区域面积的幂律分布关系选择面积阈值;最后,引入面积阈值破坏预分割标签图像的自组织临界态,区域重新分布并实现最终分割。相比于现有算法,本文算法借助统计学理论来分析预分割图像分布关系,并引入自组织临界态定义,模仿破坏幂律分布下区域自组织临界态的方法,寻找新的区域合并方法,使得预分割标签图像进行快速区域合并,很好的抑制分水岭算法本身的过分割现象,能得到符合人类视觉连续光滑分割线,同时在运行效率上有较大提高。