随着信息采集技术的迅速提高,计算机视觉领域涉及到大量分布于流形上的数据集,基于张量及张量子空间技术的图像特征同各种分割算法相结合,进一步提高图像分割的精度和速度。对于后续的对图像目标分析与理解有着重要意义。本文在归纳和总结传统图像分割方法的基础上对其进行了改进,具体工作如下：首先,针对CV模型无法分割灰度不均匀图像以及LBF模型和LDGF模型对初始轮廓位置敏感的缺陷,定义了结合局部信息与区域信息的能量函数,建立一种新的活动轮廓模型。在求取能量泛函最小值的迭代过程中,为了避免过多和无用的迭代,本文根据轮廓曲线在到达目标边界时,曲线长度变化很小定义了新的终止规则。其次,活动轮廓模型在曲线演化过程中为了避免出现大的震荡,只能选取较小的时间步长,为解决这一问题,把Split Bregman引入到水平集的迭代运算中,增大时间步长,提高分割速度。发挥了Split Bregman迭代算法无论时间步长多大,都能保证计算过程的稳定性的特点。由于活动轮廓模型的建模基础是局部或区域灰度均值,所以在对纹理图像分割时效果不好,本文把灰度信息融入图像特征张量,将带有灰度信息的张量特征向量化后代入能量函数,通过求取能量泛函的最小值得到梯度下降流,实现对纹理图像的分割。针对图像的弱边界问题,本文在图像的预处理阶段增强图像的弱边界信息：即利用Kmean聚类算法把图像特征张量分成两类：一类为结构特征明显区域；另一类为低对比度且结构特征较弱的区域。对结构信息较弱的一类特征做张量主成分分析(TPCA),将TPCA处理过的特征与另一类特征融合,再初始化轮廓曲线。达到对弱边界图像准确分割的目的。除此之外,本文还提出了一种基于混合差分和声搜索算法的半监督模糊聚类算法。法修正了和声搜索算法的即兴创作,引入差分算法的变异,交叉和选择操作,提高算法的优化性能；提出了一种新的目标评价函数,有效地对初始聚类中心进行了优化；引用一种新的距离求解方式,提高聚类的效果。通过标准的测试函数验证本文算法的有效性,将其应用于各种基于张量特征的图像分割试验中,结果证明,基于混合差分和声搜索算法的半监督模糊聚类算法,在标记点很少的情况下,对含噪声图像和无噪声图像都具有良好的分割精度,受噪声影响小,运算速度快,具有很好的鲁棒性。本文还实现基于张量朝向信息的滤波策略,利用张量场局部朝向信息控制滤波器的形状及滤波器朝向,选择尽量少的滤波器,最大限度的保留原图像中的边缘,角点和线条的结构信息,达到最佳的滤波效果,降低了计算的复杂度。同时,将二阶张量和三阶张量分别应用到二维和三维噪声图像的去噪实验中。均表现出良好的滤波效果。将异性结构张量引入Live wire算法的代价函数中,增加代价函数中的局部邻域信息,改进了局部代价函数,在对Live wire算法的最短路径搜索中,采用改进的差分进化和声搜索算法计算种子点与目标点之间最短路径,提高了搜索的速度和精度。