图像分割是计算机视觉与图像处理一直关注的热点，也是一个极具挑战性的研究方向，是图像分析的基础，其分割效果将直接影响后续图像处理与分析的相关任务。近几年的研究中，基于变分模型的图像分割算法得到了很多学者的关注和研究，并且在实际应用中也取得了较好的效果。其中，较为典型的分割算法是基于多分段常数模型。该算法主要是将图像中目标的形状先验信息引入到分割过程中，以提高分割性能。然而，由于图像中目标的复杂性和多样性，形状先验信息的获取将成为该算法分割中的主要问题。虽然采用人工干预的方法可获得先验的形状信息，但费时费力，增加了分割的难度。因此，研究基于多分段常数模型的图像自动分割算法一直备受关注。本文立足于星凸约束获取先验信息，开展对多分段常数模型的改进研究，获得图像自动分割算法，取得了相应的研究成果。　　本研究主要内容包括：⑴提出了融入星凸约束的多分段常数模型。该模型在基于多分段常数变分分割模型的基础上，采用多个星凸对目标形状进行先验约束，增强了原变分模型对目标周围环境的抗干扰性能，提高了算法的分割性能和鲁棒性。⑵给出了图像中目标和背景标示信息自动获取的方法。为了获取建议分割算法所需标记信息，通过实验分析了不同图像显著性检测方法的性能，给出了能有效标记图像中目标和背景的显著性检测方法，进而为自动获得星凸中心和实现图像的自动分割奠定了基础。⑶提出了基于星凸约束的自动图像分割算法。该算法在显著性检测的基础上通过膨胀和腐蚀操作自动获取星凸中心，然后采用基于星凸约束的多分段常数模型，实现了图像自动的有效分割。⑷对所提出的自动分割方法在不同图像数据库中进行了测试，获得大量的实验数据。实验数据分析表明：本文提出的基于星凸约束的图像自动分割方法比其它许多分割方法的效果好，且有较好的普适性，特别是对于细节部分或多目标的分割更具明显优势。