彩色图像分割是指按照某些准则把图像划分为同质、有特殊语义的不同区域。作为图像分析和图像理解的基础和关键技术，彩色图像分割一直是计算机视觉和图像处理领域研究的热点和难点。基于马尔可夫随机场（Markov Random Fields, MRF）的图割优化方法（Graph Cuts），通过把分割问题形式化为标记（Labeling）问题或能量最小化（Energy Minimization）问题进行求解，已被广泛应用于计算机视觉和图像处理领域。目前，基于图割的图像分割方法主要用于前景/背景交互式分割，但对于非监督彩色图像分割而言，由于自动确定分割数目较为困难，加之图像中常包含复杂的颜色和纹理信息，给基于图割的非监督彩色图像分割增加了难度。早期的彩色图像分割方法大都是继承灰度图像分割技术，并没有考虑颜色通道之间的相关性。近年来，四元数（Quaternion）因能够处理颜色通道之间的耦合性，为整体处理彩色图像提供了理论基础，但如何使用四元数理论进一步提高彩色图像分割的质量，还有待科研工作者去探索和研究。　　针对以上问题，对基于四元数的彩色图像颜色和纹理特征表示和提取方法、图割优化方法和理论进行了深入分析和研究，并提出了基于四元数理论的彩色纹理特征提取方法，结合基于图割的优化方法、区域合并及高斯金字塔等设计了三种主要的非监督彩色图像分割方法，以提高使用图割方法对彩色图像进行自动分割的性能，具体内容如下。　　提出一种基于多尺度四元数Gabor滤波（Multi-scale Quaternion Gabor Filter,MQGF）和图割的非监督彩色纹理图像分割方法，利用MQGF处理颜色通道之间的相关性和纹理特征的尺度问题，使用多元有限混合模型对颜色和纹理特征进行建模，并采用基于图割的二分框架和最小描述长度（Minimum Description Length,MDL）准则相结合的策略，从而实现彩色纹理图像的快速、自动分割。通过在合成纹理图像、Berkeley分割数据库及Weizmann数据库上的对比实验表明，使用MQGF提取图像特征，提升了特征的鉴别能力，而标准图割和MDL准则相结合的策略能够自动获取分割结果，提高了该方法的鲁棒性。　　针对基于超像素的区域合并和基于图割的分割方法各自的缺陷，提出一种区域合并和图割技术相结合的彩色图像分割方法，利用基于MRF能量最小化合并准则对图像的过分割结果（超像素）进行合并，将合并结果作为多标签图割方法优化的初始分割并进行优化，并引入两层高斯金字塔来降低分割的时间复杂度。实验结果表明，该方法弥补了区域合并方法的边界错位、不光滑等缺陷，同时提高了图割优化的性能。　　在基于重标记的图割优化方法分割图像的过程中，因标签过多易导致图割优化效率低和过分割问题，对此提出了一种多组件图割方法。该方法把标签相同但不相邻的区域处理为与该标签对应分割的多个组件，而不再使用新标签标记。多组件图割和高斯金字塔融合，称为两段多组件图割，进一步减少了噪声的影响，同时提高了多组件图割的分割效率和质量。在此基础上，结合两种新的彩色图像纹理特征提取方法，基于四元数cut-off窗口和超像素的纹理特征提取方法和基于MQGF的纹理基元（Texton）特征的提取方法，设计了两种基于多组件图割的彩色图像分割方法。实验结果表明，使用多组件策略结合两种特征提取方法，提高了特征的鉴别能力，同时有效控制了标签的数量，提高了图割优化效率，过分割现象得以缓解。