本文是作者于攻读硕士学位期间在图像分割方面所做研究工作的总结。 图像分割是指把图像分成各具特性的区域并进一步从中提取出感兴趣目标的技术和过程。它是进行图像语义分析的基础。自然场景的图像分割是目前的一个研究热点，它在基于内容的图像检索方面起着不可替代的关键作用，是决定一个图像检索系统性能好坏的一个重要因素。但是，目前还没有一种能够适用于各种自然场景的图像分割方法。这其中涉及很多亟需解决的问题，变化的光照条件就是造成图像分割结果不理想的一个重要因素。在自然场景中，受物体间相互遮挡等因素的影响、光照环境相对复杂；这样，即使是纹理相对单一的物体，其不同区域在图像上所表现出来的狄度也会呈现较大的变化。当一个图像分割算法对上述情况不能正确区分的时候，往往给出过分割的结果。 本文针对图像分割中遇到的此类问题，提出了一种基于骨架匹配的彩色图像分割方法。首先利用颜色和纹理相结合的方法对彩色图像进行初分割，将图像分割成多个区域内部颜色或纹理特征基本一致的小区域。接着对自然场景下光照变化对目标物体的颜色和纹理的影响进行统计分析，建立目标的特征模板，利用此模板对分割的图像区域进行种子区域生长。最后，利用骨架模型在假设检验判决的框架下对包括阴影区域在内的目标区域进行融合处理。 实验结果表明，本文提出的算法是一种行之有效的算法。该算法能够在一定程度上克服光照变化对图像分割结果产生的影响，获得与人的视知觉相一致的分割结果。