图象分割是计算机视觉中的一个经典难题。本文对基于区域的图象分割技术进行了深入研究。在方法学上,重点研究了两类目前较为新颖的分割算法,一类是基于过渡区提取的图象分割方法,另一类是基于图论的图象分割方法,并重点对前者进行了较为全面的研究。在基于过渡区提取的图象分割算法中,首先对传统的过渡区提取理论进行了回顾,指出了传统过渡区提取与分割算法存在的不足,给出了广义的过渡区定义,对过渡区提取与分割算法的阈值选取准则给出了合理的解释与证明,并指出应重点研究过渡区直接提取算法的研究方向。对过渡区直接提取算法中的梯度法进行了进一步深入研究,提出了基于度信息的过渡区提取与分割算法,以及基于小波能量比参数的过渡区提取与分割算法。度方法将图论理论引入过渡区提取,其尺度可调特性使度方法具有一定的抗噪性能。小波能量比参数对一般图象分割效果不太理想,仅适于处理特殊纹理背景的图象,其分割速度较慢。在基于梯度运算的过渡区直接提取算法中,度方法是一种较好的过渡区提取与分割算法。对过渡区直接提取的非梯度方法进行了研究,提出了基于局部熵的过渡区提取与分割算法,以及基于局部复杂度的过渡区提取与分割算法。两种方法都具有很好的抗椒盐噪声性能,其抗噪性能的本质在于两种参数都是对局部邻域灰度层次信息的统计,对于灰度幅值的变化不敏感。两种方法都具有较好的过渡区提取与分割性能,但局部复杂度方法速度较快,且不存在采样不足问题。当图象中含有多类目标时,图象过渡区直方图表现为多峰分布,其每一个峰将对应一个分割阈值。文中使用非最大抑制滤波器用于检测过渡区直方图峰值位置,并使用考虑量化误差与位面数的代价函数决定最优门限个数,较好的解决了过渡区提取与分割算法中的多阈值分割问题。本文还对过渡区提取与分割算法进行了较为全面的性能评价,包括分割质量评<WP=5>价、抗噪性评价、运算复杂度评价、目标背景面积比影响及人为参数等方面的评价。评价结果表明,在过渡区提取与分割算法中,局部复杂度方法是一种较为优秀的分割算法。局部复杂度方法与其它两种经典的阈值化分割方法相比较也取得了很好的评价结果。局部复杂度方法对于不同类型的图象都具有较好的分割性能。评价结果还进一步证明了传统的过渡区直接提取与分割算法的不足。在基于图论的分割方法中,提出一种基于图论的直方图聚类分割算法。算法利用了图论方法良好的聚类性能,通过对直方图数据聚类得到分割阈值。以往的图论分割算法都是对图象灰度数据进行聚类,主要缺点是处理速度较慢。本方法参与运算的数据量为256而与图象尺寸无关,使运算速度大为提高。