图像分割作为图像分析的关键步骤,已经成为图像处理领域关注的一个热点。图像分割指的是将图像按照不同的特征分成互不重叠且不相交的区域并将感兴趣目标提取出来的过程,已经被广泛地应用于军事、医学、交通等多个不同的领域。但由于图像的复杂性与多样性,所以目前并未有十分成熟的且满足各个不同要求的图像分割方法。因此,深入研究图像分割技术并探索准确高效的图像分割方法,对计算机视觉领域的发展具有非常重要的意义。交互式图像分割算法融入了用户提供的先验知识,可以取得令人满意的分割结果,是目前较为主流的图像分割方法。但交互式分割在很大程度上依赖用户的主观经验,且费时费力,不具有实时性。随着3D传感技术的发展,图像分割算法不再局限于二维图像,RGBD图像能够提供比彩色图像更为丰富的三维场景信息,因此针对RGBD图像分割技术受到了学者的关注。针对交互式图像分割的缺点与RGBD的优势,提出了基于显著性种子点的RGBD图像自动分割方法。重点研究了超像素分割预处理、显著性种子点检测与基于区域的图像分割算法。本文利用改进的图像分割方法取得了较好的分割结果,主要研究内容如下:1.提出深度加权超像素分割算法。构建了基于颜色,位置,深度的六维特征向量,可以取得更加准确的初始超像素分割结果。2.提出多特征融合的显著性种子点检测方法。算法通过融合图像的颜色特征、深度信息、中心先验特征,对RGBD图像构建全局图与局部图,并利用击中时间检测前景种子点与背景种子点。该方法可以有效地提高显著性种子点检测的准确性。3.提出了一种新的自动图像分割方法,融合显著性种子点的最大相似度区域合并算法。算法首先通过深度加权超像素分割方法对图像进行预分割,其次通过多特征融合的显著性种子点检测方法得到前、背景种子点,最后将前、背景种子点作为交互信息并利用最大相似度区域合并机制对图像进行分割。