图像分割是一种基础的图像处理技术,也是图像处理和计算机视觉领域中的难点问题。近年来,交互式分割方法受到了各领域学者的广泛关注。本文在整理、归纳和总结了几种交互式图像分割理论、方法的基础上,针对Live Wire算法中的最短路径求解、随机游走分割方法和滑降算法等问题进行深入研究,主要工作如下：针对传统Live Wire算法运行速度较慢的缺点,提出了一种基于脉冲耦合神经网络(PCNN)的Live Wire算法,利用PCNN求解用户标记的边缘种子点之间的最短路径,提高了Live Wire的运算速度。尤其是当处理大分辨率图像时,速度优势明显。在赤足足迹跟区压痕边缘检测的研究中,针对跟区压痕呈现弱边缘特性,提出了一种基于蚁群(ACO)寻找最短路径的Live Wire分割足迹跟区压痕提取的方法,并利用Sobel算子建立像素点间的代价函数,通过最小二乘算法进行椭圆拟合得到足迹参数,从而有效地提取了足迹跟区压痕边缘。为提高传统随机游走算法的有效性和分割速度,提出了一种基于滑降算法的随机游走图像分割算法。首先利用滑降算法将图像进行初始分割,将每个小区域作为一个节点,然后采用万有引力思想代替传统节点间权值定义方式,最后,利用随机游走算法完成最终分割。该算法明显提高了图像分割的速度和精度。针对智能交通系统中多车辆检测问题,提出了基于边缘检测的随机游走算法,对视频中车辆目标进行精确检测和分割。首先将背景差分与边缘信息相结合来检测运动车辆区域,然后根据检测车辆区域信息提取骨架结构,从中获取随机游走所需的有效标记点,最后采用随机游走算法实现车辆自动检测和精确分割。针对滑降算法过分割现象,本文从两个方面对滑降算法进行了改进。一方面为多尺度形态学梯度滑降分割算法,利用多尺度形态学梯度,通过大小不同的结构元素提取图像梯度特征,获得梯度图像；然后利用滑降算法进行图像分割；同时,为了减少滑降算法的过分割现象,利用区域面积和区域相似性规则进行区域合并。另一方面将反馈脉冲耦合神经网络与滑降分割相结合,提出了一种新的MRI图像分割的特征提取算法。