图像分割是一种重要的图像分析技术,它是指把图像分解成局部特征(纹理、颜色、亮度等)相一致的各个区域,并将人们感兴趣的目标提取出来的过程和技术。它是图像处理上升到图像分析中至关重要的步骤,也是计算机视觉领域重要研究方向。随着计算机技术的发展,由于彩色图像能够提供比灰度图像更为丰富的信息,彩色图像应用和研究不断深入,彩色图像分割技术也越来越受学者的关注,相关算法层出不穷。近年来,支持向量机作为一种新兴的模式识别方法,在模式识别、回归分析和概率密度函数估计等方面得到了很多应用,它和传统的无监督模式分类方法相比,更适合于实际领域中的需求,并且高效和实用。本文从实际出发,探讨支持向量机理论,并将其应用图像分割中,主要工作有两方面：(1)边缘检测是通过检测不同区域间的边缘来解决图像分割问题。首先分析彩色图像亮度和色度通道的边缘信息,然后针对彩色图像边缘的特点,构建多维特征向量。通过训练的支持向量机具有特定目标边缘识别能力,克服了传统边缘检测算法无目标性,噪音大的缺点。(2)通过分析有监督学习和无监督学习两类彩色图像分割方法,提出了由两种方法结合的彩色图像分割模型。这种模型集合了两种方法的优点,具有自我支持能力,能够实现彩色图像的自适应分割同时又有很好的通用性和实时性。实验结果表明该模型能达到很多视觉应用中对彩色图像的分割要求。