在图像分割过程中,通常一幅图像会被分成前景(目标区域)和背景(非目标区域)两部分,对图像分割所得的目标区域进行特征提取和分析有助于我们对图像所表示的物体的本质有更好地认识并提供相应的行为方案.本文针对传统的总变分(Total Variation,TV)图像前后景分割模型在分割过程中易产生阶梯效应和丢失图像细节信息而导致分割得到的图像质量下降的问题,提出了总广义变分(Total Generalized Variation,TGV)图像前后景分割模型.然后采用交互约束对分割进行指导,得到更加准确的目标前景.主要研究工作如下:1.针对传统TV图像前后景分割模型在分割过程中易导致阶梯效应的缺陷,提出了TGV图像前后景分割模型.新模型融合TV分割模型的数据项和TGV正则项,可充分发挥TGV能逼近任意阶多项式函数的优势,保护了图像的纹理和细节等重要结构信息.为进一步提升图像分割的质量,在TGV中引入边缘检测算子,提出了自适应TGV前后景分割模型,用于自适应区分图像的边缘和平滑区域.自适应TGV模型能在图像的边缘区域减弱扩散,较好地保护图像的边缘特征;在图像的平滑区域增强扩散,有效地消除噪声和抑制阶梯效应.2.针对图像背景复杂或前景与背景特征相似时,易产生分割错误的缺点,提出一种带约束的二阶TGV图像前后景分割模型.采用交互约束对图像标记矩形框,使得矩形框内部包含更丰富的前景,外部背景信息更丰富.对框内部、外部及边框上的像素分别做距离映射,若距离映射的值越大,表示前景的概率越大;反之,表示背景的概率越大,并在TGV模型的数据项中引入此距离映射函数.根据能量最小化原则,带约束的二阶TGV模型在TGV模型抑制阶梯效应和保护图像细节的基础上,能够分割出更加完整的前景并且剔除被误分割的背景.3.引入解决新模型的一阶原始对偶算法.首先,松弛模型能量泛函解的函数空间为凸可行集,并利用示性函数证明松弛前后模型最优解的等价关系.然后分析该凸问题与鞍点问题的相似性.最后,基于原始对偶近似点理论,利用欧拉方程,引入解决该问题的一阶原始对偶算法,并推导出算法中对偶变量的投影.实验表明,本文所提出的模型在主观视觉效果和客观评价指标方面取得了令人满意的结果.