图像分割方法一直是数字图像处理领域研究的热点问题。在图像分割中分割的精确性与易分割性、过分割和欠分割是我们经常要面临的矛盾,而这些矛盾在固定尺度下是很难解决的。在工程实践中,多尺度特征或多尺度效应是普遍存在的,人们对过程的观察和测量也往往是从不同尺度上进行的。所以,我们只有采用多尺度理论来描述、分析这些过程,才能够更全面、更准确地刻画这些过程的本质特征。多尺度分割方法可获得不同尺度上的图像信息,因此只要配合适当的多尺度数据结构,并且根据该数据结构选择较好的多尺度特征提取方法及分割策略,就有可能将上述矛盾统一起来。目前,采用多尺度分析方法进行图像分割是发展的一个趋势。本文以Contourlet变换作为图像的多尺度分解工具,对目标图像进行多尺度分解。分别采用了基于边缘检测的分割策略和基于隐马尔可夫树模型的分割策略对图像进行多尺度分割。本文的主要工作如下：首先,对多尺度图像分割做了分析,分别介绍了多尺度分析工具小波变换和Contourlet变换,并对它们的特点及系数分布做了分析。其次,以检测图像边缘做为分割策略,通过分析Contourlet变换系数的分布特点,采用模极大值检测的方法提取图像边缘信息,并对不同尺度上的边缘信息进行尺度间融合,提出了一种改进的基于Contourlet变换的边缘检测分割方法。通过仿真证实了该方法检测的边缘不仅平滑连贯且细节丰富。最后,通过对基于小波域的HMT模型的图像分割方法的研究,并结合Contourlet变换系数自身的特点,提出了一种改进的基于Contourlet域HMT模型的图像分割算法,该方法能够更好的捕获图像的高维奇异性信息,并通过实验证明了该方法的有效性。