图像分割作为计算机视觉领域低层次视觉中最具挑战性的任务之一,完成区域、边界等特征的提取,它将原始图像转化为更紧凑的形式,使得更高层的图像理解成为可能。图像分割结果的好坏决定着最终的图像分析和理解的结果和质量,在图像工程中占据重要地位。但是图像分割算法具有应用相关性,不同的应用区域一致性准则往往也不同,因此没有一种适合于所有应用的通用分割算法,也不存在一个判断分割是否成功的通用标准。本文分析了乱针绣计算机辅助制作及构造模拟实验三维地层模型重建两个应用系统的特点,阐述了现有图像分割技术在两个应用中存在的问题,提出了三个图像分割算法,较好地适应了两个应用对图像分割的要求。本文主要工作包括：(1)基于颜色特征空间聚类的图像分割方法无法满足聚类中心选择受限的要求,针对该问题,提出了一种基于遗传算法的聚类图像分割算法,保证聚类中心从候选颜色集合中选取；并进而针对遗传算法中传统均匀变异算子的不足,提出一种变异算子的改进方法,降低聚类中心初值敏感程度及收敛到局部最优解的可能。本文将该算法应用于乱针绣计算机辅助制作,较好地解决了区域划分及绣线子集选择的难题。(2)传统基于颜色特征聚类的图像分割算法不能正确分类图像中的模糊边缘区域及噪声点像素。针对该问题,提出一种基于颜色特征空间聚类融合图像空间信息的图像分割算法。该算法融合随机游走(Random Walks)算法与模糊C均值聚类(FCM)算法,降低了FCM算法的噪声敏感性,较好地解决了图像边界模糊及高噪声对图像分割产生的不利影响。本文将该算法应用于构造物理模拟实验三维地层模型重建,对图像边缘模糊、噪声水平较高的地层图像取得了较理想的分割结果。(3)提出一种结合半监督模糊C均值聚类(SSFCM)与随机游走算法的半监督图像分割算法,利用用户提供的少量标记信息更好或更快地分割地层图像。该算法首先利用用户提供的少量标记信息执行SSFCM算法,然后根据像素的最大隶属度对像素进行分类,如果像素的最大隶属度大于阈值则认为其隶属于对应类的确定性较高,直接按照SSFCM图像分割方法分类,否则暂不确定其归属；最后将已确定归属的像素点作为种子点,暂未确定归属的像素点作为未标记点,采用基于随机游走的半监督图像分割算法确定未标记点的归属,完成最终的分割。由于基于随机游走的图像分割算法较充分的利用了其空间信息,使得模糊边缘区域及噪声点象素的分类准确性提高。该算法适合含多个颜色特征相似的前景目标而又包含较高水平噪声图像的分割问题,既降低了SSFCM的噪声敏感性,又避免了随机游走图像分割算法分割这类图像需要逐一进行标记的缺陷。