图像分割可看作是一种把已获得的图像区分成若干个子图的技术,子图被认为是有意义的区域并且区域与区域之间必然是互不重合的。近年来,图论(Graph Theory)是研究图像分割的一个热点方面。它把图像分割的问题转化成更为灵活的图划分问题,成为全局最优的选取。归一化割(Normalized cut, Ncut)是基于图论的图像分割方法当中的一种,被看作规范化的准则。它可以融合输入图像的不同特征,同时可计算分割得到的不同目标区域之间的差异性和同一目标区域内部的相似性。但是,Ncut本身仍是存在某些问题,譬如说计算量大、过分割以及欠分割。其中,计算量大的实际问题会影响Ncut在现实中的应用。分水岭是一种很成熟的分割方法,算法比较简单,有很快的计算速度。而且处理之后的物体轮廓线封闭,能准确地定位,对微弱边缘也能得到良好的响应。它的缺点是存在着过分割的现象。针对两者的优点和缺点,本文提出一种将二次分水岭和Ncut相结合的图像分割方法。先利用二次分水岭对输入图像进行预处理,将得到的小区域看做像素点做为Ncut算法的输入。这种方法有效地解决了Ncut方法计算量大的问题。本文重点研究内容：(1)提出用二次分水岭和Ncut相结合的图像分割方法。用二次分水岭对输入图像进行预处理,将得到的每个小区域看做一个像素点。在此基础上构造加权图,做为Ncut算法的输入。实验证明,本文方法分割结果良好,速度很快。(2)为有效地解决二次分水岭分割结果当中的“0”边界,本文提出几种去边界方法,并通过实验获得最优方案,即将标记为0的像素点划分到与其八邻域相似度最大的点所在的小区域。(3)采用与欧氏距离联系密切的LUV颜色模型和空间位置信息构造权值矩阵,探索已有构造方法造成分割效果存在差异的原因,并通过实验验证。(4)用二次分水岭和Ncut相结合的分割方法先后与传统的Ncut算法和基于meanshift和Ncut结合的分割方法对比。选取多组图像,实验结果表明,与传统的方法相比本文在运行时间和分割效果方面都有显著提高；与基于nean shift和Ncut结合的分割方法相比,分割效果相近,但是本文方法耗时更少。