随着人类探索、开发和利用太空资源的深入,未来太空作战的趋势将加剧,地球外层空间正在逐步变成新的军事斗争领地。在该形势下,空间目标识别、位姿测量、信息融合与处理技术将越来越受重视,天基测量系统将成为未来发展趋势。如何将天基测量系统获得图像中的目标分割出来是空间目标识别的基础和难点,具有重要的研究价值和意义。本文以此为切入点,研究了图像分割方法。针对视觉注意计算模型仅考虑亮度、颜色和方向特征,而图像中目标的形状也能引导人们注意,本文引入了边缘特征,提出了引入梯度权因子的双边滤波算法来获取图像边缘特征;考虑到线性尺度空间会削弱一些重要的图像特征,本文采用非线性尺度空间,并且只采用五层尺度空间来提高算法的执行效率;考虑到人类视觉易于注意图像中稀少部分和中央部分,本文采用显著区域和位置因素来修正显著图,并采用加权策略来合并特征子显著图。本文提出了基于视觉注意机制的图像分割方法,采用了基于改进视觉注意机制进行粗分割,然后利用结合主动轮廓与基于轮廓的区域生长算法进行精确分割,从而实现在简单背景和复杂背景下的自动图像分割。实验表明,本文方法能够很好克服支持向量机方法、自适应阈值方法和K-means聚类算法出现空间不连续、不能区分地球背景和目标等问题,无论背景复杂和简单,都能很好地、完整地分割出目标。本文研究了图像分割评价方法,采用了客观评价中的优度实验法和差异实验法来评价本文提出的基于视觉注意机制的图像分割算法。优度准则和差异准则都说明本文算法性能优于其他分割算法。