图像分割是由图像处理进到图像分析的关键步骤。图像在分割后的处理,如特征提取、目标识别等都依赖于图像的分割质量,因此具有十分重要的意义。自然图像由于目标的多样性以及目标成像的不确定性,应用传统、单一的分割方法难以取得令人满意的分割结果。相位一致性模型避免预先假设边缘的类型,且不受明暗对比度的影响。基于这些优良特性,本文采用相位一致性模型对图像进行边缘检测。然而,原有的相位一致性模型没有考虑相位数据的方向信息,在进行边缘检测的过程中出现“余震”现象。为克服这一局限,提出将矩分析理论应用于各方向的相位数据综合之中。由于噪声的干扰、图像中背景和目标之间的灰度(或颜色、纹理等)差异相对较小等原因,边缘检测很难产生封闭的轮廓。针对这一问题,本文提出一种新的图像分割方法。该方法将基于相位一致性的边缘检测和区域生长结合起来,首先应用收敛平方算法(Converging Squares Algorithm,CSA)检测输入图像频谱的峰值,通过波峰处的参数来设置Log Gabor滤波器组中间尺度的波长;其次,利用相位一致性模型检测图像边缘,去掉短小边界获取图像的主要几何结构;再次,以边界点为种子点,经K-means分类标记后,在灰度空间或颜色空间进行区域生长;最后用数学形态学修补孔洞。实验结果表明本文所提出的分割方法对区域的纹理细节表现出很好的鲁棒性,分割结果与人类视觉系统特性一致。