图像分割作为图像处理技术中基础步骤,是能够将图像划分成具有各自特性的区域并能将感兴趣的区域提取出来的技术。图像分割结果会直接影响图像处理中的图像分析和图像理解步骤,因此,对图像分割技术的研究具有重要意义。在传统的分割算法中,大多是以单个像素为处理单元,所以分割方法计算效率低,分割效果差。因此以超像素代替像素的分割方式得到了发展,降低运算成本。本文在超像素的基础上,通过图像预分割和超像素融合两个阶段,实现对图像的分割处理。主要研究工作如下:(1)利用超像素生成算法对图像预处理。对简单线性迭代聚类算法(SLIC)进行优化处理,通过对超像素块的重新标记,减少预处理结果中过分割的现象。(2)在基于区域最大相似性的分割算法中,首先对该算法的数据库进行更新,将SLIC算法产生的超像素结果图作为该算法的预处理步骤。在原始算法中,超像素图是通过均值漂移聚类算法获得的,超像素形状非常不规则。超像素相邻结构发生改变,使分割的轮廓更加规范。然后在对超像素特征进行表达时,将颜色特征进行简化处理,提高区域合并速度。通过实验,证明了改进方法的有效性。(3)为了实现对图像前景和背景的细致划分,本文提出了一种超像素融合方法。用区域邻接图表示区域关系,用节点表示区域,用边的权值作为判断是否融合。根据颜色特征和纹理特征设置能量函数,用能量函数来代替权值,将具有最大权值的两个区域进行融合。根据评价标准对分割结果进行评价,并将本文所提方法与其他四种分割方法在BSDS500数据库中进行对比实验。