图像分割是一种关键的图像分析技术,它解决的是图像目标提取的问题,通过形成抽象紧凑的图像信息,使人们能够更高效地对图像进行识别和筛选。随着各种新理论的提出,图像分割的研究方法出现了许多新的结合形式,以满足不断增多的分割要求。本文结合超像素、稀疏子空间聚类的思想,对基于稀疏子空间聚类的图像超像素分割方法进行了研究,包括超像素特征的提取,图的构造和图的分割。首先,对稀疏子空间聚类的理论基础及模型进行了介绍;然后,对简单线性迭代聚类(SLIC)算法进行了研究,针对该方法超像素个数及紧凑因子需要人工设定的问题,提出了一种参数自适应的SLIC方法,利用HSV空间非等间隔量化和颜色邻域方差相似性加权的方式实现了参数自适应。实验表明,该方法可以产生符合视觉感知的超像素,具有抗欠分割和过分割的作用。最后,通过稀疏子空间聚类和低秩子空间聚类,构造了图的相似度矩阵,实现了图像到图的映射,使用归一化割完成了图的分割。实验表明,结合超像素和稀疏子空间聚类的分割方法可以将图中的显著目标提取出来。