图像分割作为图像处理中的关键步骤,可以描述为利用图像的低级视觉特征,根据相似性准则将图像分割成一系列连通的匀质区域,并从背景环境中提取出用户感兴趣对象的过程。由于图像分割运用场景复杂以及对人类视觉系统深层认知的缺乏,并没有一种算法可以运用于所有场景下的分割任务,因此对于特定场景下的分割研究有着重要意义。作为一种交互式图像分割方法,随机游走算法分割性能优异,常被运用于复杂背景下的图像分割任务。自从随机游走算法首次运用于图像分割任务以来,对于随机游走算法的改进一直是图像分割研究的热点。本文通过对随机游走算法进行改进,将其运用于自然背景下的植物叶片分割。本文的主要工作总结如下:对已有随机游走算法进行研究,并通过实验对随机游走在自然背景叶片分割中存在的不足进行分析。随机游走是一种典型的基于图论的分割方法,为了更好的分析随机游走算法,对图论在图像分割中的运用进行介绍。基于图论的分割方法对图进行操作来实现图像分割,所以图模型的构建在基于图论的分割运用中相当重要。基于图模型在分割中的重要性,文中介绍了常见的用于图像分割的图模型,并对相应图模型在不同分割方法的应用进行介绍。对几种常见的随机游走模型进行介绍,并从图模型的角度对随机游走分割的改进进行研究。提出一种基于随机游走和超像素的自然背景植物叶片分割算法,将超像素信息和随机游走模型进行结合,可以有效的实现对叶片图像的分割。利用基于多尺度形态学梯度重建的分水岭变换对图像进行预分割,获得数量少且局部空间邻域信息更优的超像素。提出一种先验信息估计方法,对像素和超像素的先验信息进行估计。将获得的超像素作为超像素层和像素层以及先验信息一起构建图模型。最后利用随机游走对所构成的图模型进行分割,通过求解最大首次到达种子点的概率来对像素点进行分类。通过实验对所提算法性能进行分析与讨论。将所提算法运用于自然背景下的植物叶片分割,并将分割结果与一些常用分割算法进行对比,从定性与定量的角度验证了所提所算法的有效性。在同样的用户输入情况下,所提算法和其他分割方法相比可以取得更好的分割结果。通过三种常用的分割评价指标对不同算法的分割结果进行评估,本文所提算法分割结果可以取得较优的分割评估值。