在图像分析中，一种高效、鲁棒的图像分割方法对更高层的特征抽取、目标识别和理解有重要影响。由于同一特征有不同表现形式、特征分布的复杂性、特征与特征间边界的模糊性等都使得图像分割是一个极具挑战性的问题。如何在计算机辅助下，精确、自适应地分割图像，是图像处理需要解决的关键问题。论文通过分析已有图像分割算法，在复杂系统多种建模方法的基础上，将图像分割问题建模为一种分布式框架，作为连接图像分割与多agent系统间的桥梁，并给出了实现该框架的一种多agent图像分割算法。论文主要工作及创新点是：(1)对复杂系统建模的两种方法进行了详细分析。一种以Holland提出的复杂适应系统理论为基础，通过微观刺激-反应模型和宏观ECHO模型对复杂系统建模，它源自对生物界的观察。另一种以分布式人工智能中的agent理论与技术为核心，通过agent模型及agent间的学习、合作机制对复杂系统建模，它源自对人类社会自身的观察。(2)提出了一种自适应多agent建模方法，该方法将复杂适应系统建模和多agent系统建模结合起来，克服了前者的模型单一性和后者缺乏适应性的缺点。(3)将新的建模方法应用到图像分割领域中，提出了一种分布式、自适应的图像分割框架(Image Segmentation Framework，简称ISF)，ISF架起了图像分割问题与多agent系统间的桥梁。(4)将ISF映射为一个具体的多agent实现。它以agent的局部自适应作为图像分割的核心，通过agent适应性交互完成图像分割。与Jiming Liu的基于agent图像分割方法对比，本文方法不需要设置过多的参数，系统只需要运行一次。(5)利用本文的算法对医学图像图像进行了分割实验。实验结果表明算法能实现自动分割，减少人工干预，提高系统的自动化程度，分割效果与领域专家的意见基本一致。