图像分割是将图像分割成若干有意义的目标区域的技术,它通过灰度、颜色、纹理等特征信息将图像划分为若干个具有独特性质的区域,使得同一区域具有一定准则下相同的性质,相邻区域之间具有明显的区别,并从其中提取出感兴趣的区域。图像分割是数字图像处理中一个重要领域,图像分割也是图像分析和理解的重要步骤。传统的图像分割方法对高分辨率图像的计算效率难以满足应用要求。2003年,Ren等人提出了超像素的概念,超像素分割是一种图像预处理技术,以超像素代替图像原像素作为后续处理的基本单元,这样可以获取图像的冗余信息,降低处理图像的复杂度,从而加快后续算法的执行速度。同时,超像素更有利于图像特征的提取和表达,也能较好地抑制噪声的影响。本文从对图像分割理论的研究入手,鉴于传统分割算法的局限性,以及近年来出现的超像素分割技术,进行基于超像素图像分割方法的研究。1.本文首先介绍了传统的图像分割算法,比较了这类方法的优劣。然后对主要的超像素分割算法的基本思想和原理做了详细的介绍,并做了超像素分割算法的对比实验。2.鉴于传统分割算法的局限性,提出了一种基于SLIC超像素与区域生长的分割算法,利用超像素改进传统的区域生长算法的性能,不但提高了算法的分割质量,而且加快了算法执行速度。通过在伯克利分割数据库上的实验证明,该方法对彩色图像的分割能取得较好的结果。3.利用第三章提出的SLIC超像素结合区域生长的算法对医学腹部CT图像中器官进行分割,并针对医学图像的特点,在区域生长算法的生长准则中融入了图像的纹理特征。通过在TCIA美国公开的癌症图像数据库上的实验证明,该方法对医学腹部CT图像的分割能取得较好的分割结果。