图像分割是数字图像分析中的重要环节，在整个研究中起着承前启后的作用，它既是对所有图像预处理效果的一个检验，也是后续进行图像分析与解译的基础。
　　 本文分别对基于图论的图像阈值分割算法和基于边缘检测的图像分割算法进行了改进，得到新的基于图论的图像阈值分割算法和新的边缘检测算法。一方面降低了传统图论算法的时间复杂度，大大提高了算法分割效果；另一方面克服了传统边缘检测算法的缺陷，解决了光线较差时，边缘检测效果不理想的问题。主要内容如下：
　　 (1)对基于图论的图像分割算法进行改进，得到一种基于人眼视觉特征的图像阈值分割算法。该算法基于图论和归一化划分准则，把对数图像处理模型(简称LIP模型)应用到图像分割中。同时，该算法综合考虑像素的灰度信息和空间位置信息，具有全局性，使分割目标比现有方法更为准确。实验结果表明，该算法不仅有效地分割出目标来，而且在图像亮度小幅度变化时，效果稳定可靠。
　　 (2)以LIP模型为基础，对Laplace算子进行改进，得到一种新的边缘检测算法。该算法首先用高斯模板进行滤波，然后用基于LIP模型的新算子进行边缘检测。同时，该算法具有定位准确，与人眼视觉特征相吻合等特点。实验结果表明，与传统算法相比，该算法能够检测到更丰富的边缘信息，且在目标图像亮度小幅度变化时，仍能稳定地检测到边缘，具有鲁棒性。