图像分割是图像处理、模式识别和人工智能等多个领域中的重要课题,也是计算机视觉技术中首要的、重要的关键步骤。人类对自身视觉机理研究的不断深入及计算机技术的迅速发展为图像分割问题的解决提供了新的途径。结合振荡神经网络进行图像分割的方法,推动了图像分割向智能化方向发展。本文着重于将振荡神经网络相关理论用于图像分割。通过对传统的图像分割方法的比较分析,重点讨论了传统的局部兴奋全局抑制振荡网络(Locally Excitatory Globally Inhibitory Oscillator Network,以下简称LEGION)图像分割算法,并通过仿真实验证实其分割的可行性与存在的不足。作者首先重点针对传统的LEGION图像分割算法存在的参数变化对分割效果影响大和运算速度慢的这两点不足,通过引入新的邻域权值和邻域耦合项的计算规则,分析了图像灰度差与图像分割中抑制权值的关系,提出了基于灰度自适应的简化LEGION算法。接着通过应用目标边缘特征和相似区域特征作为先验信息来搜索主振荡器进行特征保持,同时引入自适应连接权值机制,提出了基于特征保持的权值自适应LEGION改进算法,解决了传统LEGION图像分割算法对噪声敏感的不足。通过在计算机上仿真实现了改进的LEGION图像分割算法,同时和其它常用的图像分割算法进行了比较,证明改进算法的分割效果较好。