随着技术的发展,成像设备分辨率日益增加,使得许多基于像素级的传统分割算法效率越来越低,超像素分割的概念应运而生。然而目前的超像素分割算法难以兼顾速度快、边缘贴合度高、超像素大小均匀紧密以及抗噪性能强的基本要求。有鉴于此,本文以超像素分割为主要研究方向,提出了一种基于直方图一维微分距离的分层超像素分割算法,并针对多光谱图像进行了超像素分割算法的改进。基于直方图一维微分距离的分层超像素分割算法的创新性体现在,首先提出一种基于结构的直方图相似度衡量准则,该准则反映了直方图结构信息,能够更准确的反应两直方图之间的差异程度,具有简单,准确率高的优点,将其应用于超像素分割中获得了更贴近实际边缘的分割结果;同时建立了一个基于金字塔结构的分层超像素分割模型,通过降采样的方法优先保证大区域块的分割准确度,当图像恢复到原分辨率后算法重新重视细节的分割,这种算法能够有效的提升算法抗噪性能;最后引入紧密度控制项使得超像素块更为均匀;实验表明,与经典算法相比本文算法实现了准确度、效率、紧密度的较好结合,并具有更好的抗噪性能。考虑到多光谱图像能够更完整的反映目标信息,分别将简单线性迭代聚类(simplelineariterativecluster,SLIC)算法和基于直方图一维微分距离的分层超像素分割算法扩展到针对于多光谱图像的改进超像素分割算法。经实验验证,这两种算法能够获得更优异的分割结果,可以更有效的利用多光谱信息。综上,本文算法能够有效的兼顾时间复杂度、准确率、实用性和抗噪性能,具有较高的实用价值。