基于区域磁异常变化特征,进行异常分区,是利用磁异常辅助进行地质单元划分的一项重要工作。到目前为止,此项工作基本上都是基于人工经验进行的,因此,推断解释结果极度依赖分析解释人员的专业视角,不同人员的分析结果,可能存在很大的差异。而利用计算机图形图像分析技术实现磁异常的自动识别和分区是未来的方向,但由于其复杂性和专业性,需要考虑的因素非常多,存在着巨大的困难,国内外从事此方面的研究还寥寥无几。本文试图对图像处理中的相关成果进行研究分析,将其与磁异常的变化特征相结合,以便形成可应用于区域磁异常分区工作的异常自动识别分区技术手段。论文针对具体实例及模型,先是介绍了区域磁异常人眼分区的情况及其依据,然后对基于分水岭分割和基于频谱分析的分区方法进行了研究,说明了这些方法的局限性和短板。核心工作是运用基于信息熵的超像素分割算法,在此算法的基础上改进了边权重项,通过熵率完成区域内部紧凑性和同质性的精度要求,利用平衡项控制分区标准,实现了磁异常图像的计算机自动分区,取得了良好的效果。初始分区后借助Kappa系数的思想确定了最佳分区数目,接着对分割出来的区域进行了形态学处理,去除毛边填平裂隙,使其更易于人眼接受。通过计算机分区结果与专家分区结果的对比,验证了该方法的可行性和准确性,并且结合断裂等的地质构造信息对分区结果加以辅助判别和优化。最后提取局部区域进行研究,分析总结了人眼判别和机器分区产生差异的原因。通过本文的研究工作,填补了磁异常计算机自动分区这一领域的空白,尤其是在一些细节的地方,计算机分区的结果可能更优于人眼的划分。为磁异常分区提供了一种自动化的定量分析方法,减轻了人工分区的压力,有着较好的发展前景。