随着科技的不断进步,信息时代已经到来。图像作为人类获得信息、表达信息的一种重要载体,是人类感知世界的的窗口,因此图像处理得到快速发展。图像分割作为图像处理的中心环节,也随之得到重视。近年来,各种图像分割算法在不断的被发掘。但迄今为止,还没有出现一种分割算法对所有图像都有很好的分割结果。对图像处理来说,图像分割结果的好坏将直接影响图像处理的结果。因此,图像分割技术得到了学术界、医学界和工业界等的广泛关注。可见在计算机视觉领域,图像分割技术的研究不仅仅是挑战,更是机遇。目前,立足于已有的并且取得了良好分割效果的分割方法的基础上,本文针对图像分割提出了对四元数极谐变换和孪生支持向量机(TWSVM)、非下采样剪切波(NSST)和隐马尔科夫树(HMT)模型的研究,完成的主要工作有以下几点:1、利用超复数的四元数与极谐变换(PHT)相结合的四元数极谐变换提取像素级特征,再将蚁群算法(ACS)与模糊c均值(FCM)聚类算法结合起来选取训练样本,使用孪生支持向量机对已经选取的待训练的训练样本进行训练,最后我们采用孪生支持向量机进行分类。通过实验结果表明,该方法更好的保持了图像分量间彼此的联系性和相关性,提高了分割精度。2、采用非下采样剪切波系数在尺度间、方向间、尺度内的相关性建立隐马尔科夫树模型进行图像分割,首先使用非下采样剪切波对图像进行分解,得到系数邻域、尺度间、表兄弟三种关系,再利用隐马尔科夫树模型描述相邻系数间统计相关性,进而实现图像分割。实验结果表明,隐马尔科夫树模型利用多种系数关系,能更好地对边缘进行分割。