科学技术飞速发展的当今社会,一个重要的科学技术——计算机科学技术,不容忽视,而且其应用已经在我们不知不觉中渗入到了我们这个社会的角角落落当中。而在日常生活的实际应用中,我们越来越多的接触和应用计算机视觉,目前的无人航拍技术,美颜软件等,因此无法忽略现实世界的众多图像的处理问题。特别是目前无人机、智能机器人等具备一定人工智能的机器设备都需要自主进行一定的图像识别处理工作,图像处理涉及多种多样的处理算法和工作方式,但是这些应用都离不开基本的,核心的图像分割算法。因此,在图像处理研究领域中,图像分割问题仍是一个基础问题,仍是目前的图像处理领域中的研究热点。图像分割问题目前仍是图像处理领域中的重要研究课题之一。当前由于实际应用的飞速发展,针对自然图像的处理问题越来越得到人们的广泛关注。由于自然图像的多变性和复杂性,针对自然图像的图像处理问题仍然有很大的研究空间。通常,在视觉处理领域,图像分割的结果会作为计算机领域中各种图像处理应用的基础步骤,因此,图像分割算法可以认为是多种图像处理应用程序的关键步骤。但是由于自然图像的复杂性,如,一幅自然图像中会涉及多个对象,而且光影的影响很大。针对自然图像这种复杂性,目前大部分分割算法的分割结果并不是特别理想,不适用复杂的自然图像。本文提出的新方法Boundary-MLAP图像分割算法,与传统的图像分割算法有所差异,有其自身优点。传统的图像分割算法概括的说主要分为两大类：一类是基于区域的图像分割方法,另一类是基于轮廓的图像分割方法。而新的图像分割方法有所不同,本文提出的新方法将图像的轮廓信息融入到基于区域的图像分割算法中,实现基于区域的图像分割方法和基于轮廓的图像分割方法的结合,从而可以利用图像本身轮廓信息的优势和基于区域的图像分割算法的长处,两者结合共同提高自然图像的分割质量。Boundary-MLAP图像分割方法是基于MLAP图像分割框架的。MLAP图像分割算法框架的主要特点是可以利用待分割图像本身提取的多种图像特征进行图像分割。基于MLAP图像分割框架,新的图像分割算法Boundary-MLAP从两方面进行了算法的研究工作：一方面优化原始MLAP图像分割算法框架,充分利用图像多种特征各自的优势来进行图像分割；另一方面将图像自身提取的轮廓信息融入到优化后的图像分割算法框架中,从而实现基于区域的图像分割算法和基于轮廓的图像分割算法的结合,实现最终的Boundary-MLAP图像分割算法。本文新提出的图像分割方法实现图像轮廓信息在基于区域的图像分割算法中的优化使用,使得自然彩色图像分割的结果更加合理。文章后续部分的图像分割实验结果对比中,通过对比不同的图像分割算法分别进行自然图像分割的实验结果,充分证实了,在处理自然图像,分割自然图像的结果中,本文新提出的图像分割方法的分割结果更加合理,得到的分割结果的轮廓图更接近真实轮廓,尤其分割多种类别的自然图像上更具有优势。在实验结果的对比中,本文给出了具体的数值参数和对比结果。