科学技术的飞速发展、社会文明的进步使得信息处理以及交流对人们的日常生活越来越重要,人们对图像处理的要求不断的提高。图像分割是图像处理中最为关键的技术之一,它是图像分析、图像理解的基础,因此图像分割依然是一个研究热点和难题。本文针对图像分割中存在的一些问题,从以下几个方面进行研究:(1)用来描述图像的特征多种多样,常用的特征有灰度、纹理、边缘等。本文先分析各种特征的优缺点以及相互之间的互补性,然后设计一种动态的多特征融合模型使之更能全面的描述图像,便于后续的图像分割及识别过程,即能更好的指导分割。(2)信息融合能够更好的反映图像特性,因此基于信息融合思想,本文针对遥感图像中海面、陆地特点提出了一种新颖的基于多特征动态融合模型的海陆分割算法,先提取图像的纹理和灰度特征,并采用该纹理特征和灰度特征来描述遥感图像,然后通过一定的动态融合策略将两种特征融合生成一张综合特征图,使之能准确的反映图像信息,并进而指导阈值分割,提高了分割算法的适应性和鲁棒性。(3)本文在分析传统的区域增长法优缺点的基础上,提出了一种改进的区域增长法。针对传统的区域增长法难以选取初始种子点的问题,引入k-means聚类方法以产生初始的区域种子点,且在聚类过程中将动态融合模型生成的综合特征引入,使聚类的结果更为合理;同时将综合特征引入到区域生长的准则中,降低噪声对区域生长法的影响。