在信息化社会中人们对信息的需求是巨大的,视觉是人类获取信息的最主要途径,也是人类最高级的感官;图像由于本身的优势,在人类感官中扮演着重要的作用,成为人们利用信息的主要手段。图像分割是图像处理中一个经典和重要的研究内容,图像分割的结果将对后续的图像分析以及图像理解产生决定性的影响。虽然经过多年的研究,国内外学者在图像分割理论和应用中取得了大量的研究成果,但人们仍然在探索新的图像分割理论和算法,以更好的满足实际工程应用的需要。本文着重研究了基于图论的图像分割方法。图论是数学的一个分支,图论的研究对象是图,图由顶点和边组成;图论的研究重点是顶点和边的关系,以及顶点、边的性质。本文主要工作如下:第一章介绍了计算机视觉领域图像分割的研究意义,对图像分割方法分类进行了讨论;第二章研究了一种经典的图割算法——Swendsen-Wang cuts(SWC)算法;在此基础上,第三章实现了基于随机森林随机场(RFRF)框架下的图像分割算法,该方法利用SWC算法进行条件随机场的推论,同时通过训练随机森林得到条件随机场的推论所需要的两个概率分布比值该方法,与传统的基于条件随机场的分割算法相比,降低了计算复杂度;第四章针对随机森林的不足,用霍夫森林代替随机森林,研究实现了基于霍夫森林随机场(HFRF)的图像分割算法。实验结果表明了本文所研究的基于图论的图像分割方法的有效性。