图像分割是低级计算机视觉中最基本最重要的研究内容，是成功进行图像分析、理解与描述等的关键技术和必要的前提条件。图像分割的好坏将直接影响到后续的分析、识别和解释的结果的精度。 相对于人来说，计算机技术应用的发展从一开始就伴随着两个非常重要的方面，一个是计算机将人从繁重的劳力中解脱出来，另一个是计算机利用其优势可以完成人力无法完成的相对于这两个方面，在图像分割中，图像自动分割和图像精准分割一直以来都备受关注也是很多研究者所追求的目标。但由于图像分割自身所具有的难度，两者一直被认为是非常棘手的难题。 本文内容主要集中在精准和自动图像分割方法的设计上。 精准图像分割的实现主要基于两个思路：首先，结合模糊理论来确定图像像素属于每个分类的[0，1]间隶属度值，利用这个更为精细的分类信息实现更高精度的分割；再者，通过在分割中引入像素间的空间位置的相互关系信息提高算法的抗噪性来提高分割精度。 自动动图像分割主要解决如何在算法运行中减少人为的参与。设计完全自动并且适于多类()法在现有理论框架下是基本不可能的，然而尽力减少人力所必须的参与是可以实现介绍了如何利用层次模型和事先给定的模板的导向作用等进行自动分割的方法。 ()新主要体现在如下几个方面： ()受世界地图形成过程的启发，提出了一种新的精准图像分割方法一“国土纷争先，采用了一个新的图像模糊描述语言，然后，利用一个基于SEM算法的模()描述语言进行最优化，也就是对描述语言长度进行最小化。算法的突出优()以区分混素和纯素，并用多个分类描述混素，而用一个类描述纯素。也就()要的为数不多的像素采用模糊理论进行分类，对其它多数的像素采用普通的()。这使得算法在保持精准分割的前提下，提高了运行速度。这在普通的模糊方()不可能的。另一个优点是，算法的每次迭代中，只需要更新为数不多的混索的模()度值，使得算法运行速度更快。第三个优点是，算法只去更新分割边缘上的像素的描述类，这不仅使算法运行速度快，还能提高分割的精度。 2.本文提出了局部竞争混主元算法。由于引入像素空间位置关系信息，使得原混主元算法在分割中抗噪性更强，提高了分割精度。并且，算法保持了原算法在分割中的高光和阴影的不变形。新的方法能够利用更少的时间产生更为精确的分割结果。 3.为能够对具有颜色渐变的区域进行正确分割，文章提出了软类图。软类图使得JSEG算法能够进行更为准确的纹理区域分割。 4.本文设计了一个基于层次模型的模糊连接度无监督分割方法。方法使得操作者可以方便快速得对比不同水平下利用模糊连接度分割的结果，从而选择一个最满意的水平值，并将其结果作为最终结果。在得到某一水平的模糊连接度值后，相邻水平值上的模糊链接度值的计算进行了简化。 5.本文介绍了如何计算图像中两两像素间的模糊连接度值。在以前的文献中，由于计算量的巨大，这被视为是不可能完成的任务。本文介绍了如何去处计算两两像素间模糊连接度值中的冗余，从而使得算法可以在用户可接受的时间内完成计算。 6.本文给出了一个更为通用的利用模糊连接度进行目标提取的方法形式，现有的若干个目标提取方法只是它的特例。并且本文对利用尺度空间提供种子点，然后利用模糊连接度完成分割进行了研究。方法的优点是，尺度空间可以自动提供模糊链接度分割需要的种子点。 7.本文提出了一个针对舌像的自动分割方法，模板导向活动线算法。算法利用事先提供的模拟舌体形状的模板曲线的导向作用，并结合活动线算法精确分割特性，完成对舌体的自动分割。