谱聚类作为一类新兴的、有效的聚类方法得到广泛的关注,并已成功的应用于图像分割。本文研究并改进了马秀丽提出的基于独立初始化多参数核谱聚类图像分割算法,并成功的应用到纹理图像和SAR图像分割中。本文主要工作如下：1.谱聚类算法是利用图像的相似性矩阵进行图像分割,如何构造一个对图像信息表达更充分的相似性矩阵,对算法性能有很大影响。原方法以小波变换系数均值构造相似性矩阵,本文则利用双树复小波变换系数,求得能量均值构造相似性矩阵。双树复小波不仅保持了传统小波良好的时频局部化的分析能力,而且还具有良好的方向分析能力,它能反映出图像在不同分辨率上沿多个方向的变化,能更好地描述图像的几何结构。原方法利用与初始化无关的K调和均值聚类(KHM),为的是在聚类的时候取得较好且稳定的性能,然而KHM仅在对低维数样本聚类时较KM算法要好。本文所用的复小波特征比小波特征维数要高,故KHM不适合；为了缓解谱聚类对初始化敏感的问题,本文采用了基于优化策略的K均值算法,实现了基于复小波特征与谱聚类的图像分割方法。通过在Brodatz图库的大量仿真实验表明：本文的方法无论在细纹理、粗纹理、非均匀纹理和混合纹理上,其视觉效果和评价指标上都要优于文献[57]的方法。2.该方法用于SAR图像分割时存在边缘定位不准确的问题,本文将该方法与分水岭方法相结合并提出了特征融合策略,实现了基于阈值标记分水岭与谱聚类的图像分割方法。该方法采用分水岭方法进行预分割,不但能准确定位边缘,而且利用得到预分割图,求得每个分割区域的复小波特征向量,达到降低相似性矩阵维数的目的。通过SAR图像仿真实验表明：本文方法与文献[61]和[62]的方法相比,都获得较优的性能。