图像分割是图像理解和图像分析的基础，是机器视觉的基本问题之一。基于神经网络的图像分割方法是近年来提出的新型的图像分割方法，在20世纪90年代，研究者根据生物视觉神经系统中神经元的振荡特性，提出了脉冲耦合神经网络(Pulse Coupled Neural Network-PCNN)和局部兴奋全局抑制神经网络(Local Excitatory Globally Inhibitory Neuronal Oscillator Network-LEGION)。近年来，PCNN和LEGION的研究在逐渐升温，得到了广大研究者的关注。 目前，对基于PCNN和LEGION的图像分割研究还远远不够，两种振荡神经网络拓扑结构简单，不需训练学习，可以直接用于图像处理。因此，研究PCNN和LEGION在图像分割领域中的应用具有广阔的前景。 本文的研究内容主要集中在以下几个方面： 首先，本文全面介绍了PCNN和LEGION神经网络的结构和功能关系，详细说明了参数的意义及其在图像领域中的应用。 其次，由于绝大部分基于PCNN的图像分割方法是对输入图像直接处理的，对含丰富纹理的复杂图像分割效果不好，本文提出了尺度变化的纹理特征提取与PCNN相结合的图像分割方法，称为size—Adaptive—PCNN，通过对比试验说明了该方法有效性。 再者，分析了RG—PCNN(Region Grow PCNN)和SRG—PCNN(Simplified RegionGrow PCNN)的缺陷，经RG-PCNN分割后的图像，边缘不连续；经SRG—PCNN分割后的图像，区域内部一致性较差。为了兼顾图像的边缘连续性和区域的一致性，本文提出了一种基于PCNN的图像分割新方法，通过对比实验说明了该方法优越性。 最后，基于LEGION的纹理图像分割研究极少，经过可行性分析，本文结合Gabor与LEGION提出了纹理图像分割新方法，通过对比实验证明了此方法的有效性，拓宽了LEGION算法的应用领域。