最小割最大流问题是经典组合优化问题之一,遍及于形象及抽象领域,在形象领域中,通信网络两点间的最大流量,交通网络中两地之间的最大车流量都可以转化为最小割最大流模型,在抽象领域中,最小割最大流可以较单纯型等方法更快更方便地解决最优化问题,如在图像分割技术中,使用最小割最大流方法求解能量函数最小化问题并将最小割集映射到原始图像的生成网络中可以得到被分割物体的边缘,因此,研究更快的最小割最大流算法是提高图像处理速度的核心。本文提出了两种最小割最大流新算法并应用于图像分割技术中,做出了一些成果:1.指出增广链算法中增广链利用率低的问题,并基于贪心原则提出了增广链修复最小割最大流算法,在实验中,提出的新算法在NW小世界容量网络和BA无标度容量网络中效率高于Dinic算法及最高标号预流推进算法;2.发现预流推进算法中的回流现象,说明了回流现象会造成算法滞后并随着网络的层次增加产生的影响逐渐增大,为识别并终止回流过程,提出了回流检测最小标号预流推进算法,实验结果证明,新算法能够终止回流过程并得到精确解,在大多数网络中比最高标号预流推进算法更快;3.结合图像分割技术,构造图割网络,将上述两种算法用于基于能量函数最小化的图像分割,这两种新算法不但能够准确分离目标物体,并且较经典算法降低了运行时间,能做到实时处理;4.针对Ford-Fulkerson这类非多项式时间算法,提出了网络容量倍数压缩方法,通过对网络容量的近似调整实现Ford-Fulkerson算法提速。