集成电路的有源区图像的提取是集成电路(Integrated Circuit，IC)图像处理中最重要的任务之一，是一个针对特定图像的图像分割问题，要达到准确、快速的分割，必须充分结合IC图像的特点，综合采用各种分割技术。　　 我们在分析了IC图像的有源区和走线目标和其他图像的目标方法的基础上，提出了两种新提取算法。我们先提出一种基于数字形态学分水线基础上的贝叶斯图像分割方法。即对首先原始集成电路图像使用分水线算法，进行预分割，然后在分割后的子区域上，采用基于先验知识的贝叶斯分割方法，我们设计一个先验密度来惩罚图像当中分水线变换后的相似的区域，图像分割进而变成对目标子集的最大后验估计。这样就可以逐步的找出最理想目标区域和背景区域，这一算法的提出，一方面可以有效解决分水线图像的过分割问题，另一方面，也解决了传统基于先验知识的分割方法所出现的计算量巨大的问题。这个算法后来直接应用在几个不同的自然图像中。　　 我们随后将这一方法应用到彩色空间中。在一些彩色图像中，由于保持比较丰富的彩色信息，不适合直接转化成灰度后，再进行分割处理任务。我们在彩色图像基础上直接进行分水线变换，然后在分水线后的过分割图像上，使用基于彩色空间信息的贝叶斯图像分割方法，对过分割结果进行融合处理。这种算法在提高彩色图像中目标识别上优于传统灰度算法。　　 在文章的第五章，认真的研究了图像分解在纹理区域分割中的应用。我们通过图像分解的方法把纹理图像分解成为两部分作为特征通道用于一种基于先验知识的纹理图像分割方法中，提出一种新的基于图像分解的无监督纹理图像分割方法。