近年来基于快速算法的图像分割方法受到了越来越多的重视。相比于传统的图像分割方法,该方法具有分割速度快、效果好且稳定的优点。本文首先对图像分割的目的、意义和主要方法进行了简单的概述,并对M-S模型、IMS模型以及AOS、AOS-MOS方法以及图割快速算法做了介绍和分析。其次,在基于IMS模型逐段常数水平集分割方法的基础上,为了提高图像分割效果和速度,本文将AOS、AOS-MOS算子分裂思想引入IMS图像分割模型,提出了基于算子分裂思想的图像分割模型及算法。其不仅提高了图像分割速度(收敛速度有近十倍的提高),而且提高了分割质量,使分割结果更加清晰准确。数字实验结果验证了以上结论。最后,本文将图割(graph cut)思想引入M-S模型,运用Ford-Fulkerson算法,通过找一幅特定图的最小割对泛函进行极小化。由于网络初始可行流对该算法的计算速度有重要影响,为此,本文提出了一种初始可行流的赋值方法。该方法可以减少Ford-Fulkerson算法寻找增广链的调整步数,从而提高图像分割处理的速度。本文的基于图割思想的图像分割的方法与梯度下降法相比,具有调节参数少,图像分割处理速度快等的优点。实验证明了该方法的有效性。