计算机视觉是图像信号处理的一个重要分支,它是包含图像信号处理、计算机、数学、心理学等多个领域的交叉学科,在军事、制造业、医学以及商业图形图像软件开发等方面具有重要的应用。传统的计算机视觉图像处理算法通常是采用一个简单的全自动的黑盒模型,即算法首先接收采集的数据,然后对收集到的数据进行运算,最后输出处理结果。但是,对于相当部分带有高层语义的图像处理问题,如图像与视频的分割,由于目前的计算机人工智能还远未达到理解高层语义的水平,上述的全自动算法很难获得令人满意的结果。因此,人机交互式图像处理于近年兴起,并得到越来越多的重视。交互式图像分割相对于传统图像分割的最大的优点在于,加入了用户主观的指导,使得过去许多因为数据歧义而很难解决的问题变得定义清晰,再辅以具有针对性的算法,能够高效而准确地解决传统算法耗时长且所得结果粗糙的问题。本课题深入研究了交互式图像分割算法的基本原理,目前的发展现状和存在缺陷,同时对目前的交互式图像分割算法做了以下改进:一.详细研究了Lazy Snapping算法与Grab Cut算法,并基于两者,提出了一种交互式图像分割修正优化方法。二.研究了测地线理论,灰度图染色与交互式图像分割中的Grow Cut分割算法,提出一种改进的Grow Cut分割算法思想,使之可以用于纹理图像的交互式分割。