随着现代各种成像设备和技术的快速发展,包括各种光学成像系统和微波成像系统,数字图像数据的自动解译与识别技术成为现代先进成像系统应用于实际环境的支持。图像分割技术是将图像分割成互补重叠的同质区域,这一技术是计算机视觉和图像处理领域中重要的基础性研究问题之一。主流的图像分割算法主要分成基于聚类的图像分割算法、基于区域合并的图像分割算法、基于图论的图像分割算法和基于分类的图像分割算法。基于聚类的分割算法是根据某种定义的距离度量或其它度量手段将数据集划分成多个子集;基于区域合并的分割算法是以初始分割结果为基础,通过相邻区域间的相似性度量在合并策略下实现图像分割;基于图论的分割算法是以无向图表示图像数据,将分割问题转为无向图的划分问题;基于分类的分割算法是利用已训练的分类器对图像像素进行标记。本文针对基于区域合并的图像分割算法中,相邻区域之间的相似性度量准则和区域合并策略这两个问题出发,提出分别应用于具有颜色(RGB)和深度(Depth)信息的图像(称为RGB-D图像)和合成孔径雷达(Synthetic Aperture Radar,SAR)图像的分割算法。本文主要内容如下:(1)针对室内场景RGB-D图像的图像分割问题,提出了一种无监督式的联合颜色和方向信息区域合并图像分割方法。首先,该方法利用多方向的双半圆高斯函数的数据驱动方式构造自适应权重,以此实现颜色和平面方向相结合的区域相似性度量;然后,通过区域间平面方向差异设计一个区域合并阈值函数引导区域合并过程。实验结果表明,该方法在边缘质量和区域质量都有所提高。(2)针对于在纹理与方向几乎相同的相邻区域分割结果不太理想的问题,本文从室内场景颜色和几何信息的特性出发,提出了一种用于室内RGB-D图像分割方法。首先,利用数据驱动的自适应权重结合颜色和深度信息,并且在主平面之间的边缘位置以平面法线差作为惩罚项,提出一种新的区域间相似性度量;在区域合并上,提出一个新的区域合并代价函数,该方法是在区域合并阈值上引入平面共面性;为了解决图像分割上出现的过分割问题,以分割结果为初始分割,结合区域面积与区域边界比值,提出了新的区域合并准则。实验结果表明,该方法与其它无监督方法相比,在边缘质量和区域分割质量上都具有明显的优势。(3)针对SAR图像中强斑点噪声和纹理信息,导致分割结果的边界形状杂乱问题,本文提出一种几何边缘惩罚区域合并的层次化方法将SAR图像分割成不交叠的场景区域。该算法对SAR图像提取的多尺度Bhattacharyya距离的阈值边缘强度映射(Edge Strength Map,ESM)进行分水岭变换,从而得到SAR图像的初始分割结果。利用相邻区域的无参数Kuiper距离作为统计度量和区域之间公共边界的几何信息为边缘惩罚项相结合,提出一种新的区域合并准则。根据区域合并准则,通过改变惩罚项中参数以逐渐增加边缘惩罚项的强度以此产生层次化分割结果。在真实SAR图像分割实验表明,与其它几种分割算法相比,该算法在复杂场景的SAR图像分割方面更加有效。