近年来,随着计算机视觉的发展,图像信息在人们的工作和生活中扮演着越来越重要的角色。而从图像中提取感兴趣的区域的图像分割技术对于图像信息的理解与分析又起着至关重要的作用。本文提出了一种新的图分割方法,该方法可以达到自适应的分割特征选择和分割参数的选择。本文的主要工作包括三个部分:(1)本文在传统的最大流/最小割算法的基础上,实现了采用高斯混合模型对前景背景进行建模的工作,这样克服了传统的最大流/最小割算法所带来的单源单汇的问题。(2)本文首次创造性的将目标追踪领域的在线特征选择算法应用到图分割领域中,使得算法可以自适应的得到前景背景对比度最大的特征图像并以此作为分割的输入图像,这样做使得以此特征图像为输入得到的分割结果比原始图进行分割得到的结果更理想。(3)本文的另一个创新是:通过对分割算法的参数在小搜索空间内遍历所得到的多个分割结果进行评估,并提出一种对多个评估结果进行融合的新策略,进而自适应的得到图分割中的参数。本文对该方法在IG02数据集上进行了测试,取得了比原始图分割算法更高的查全和查准率。本文最后将该方法应用到了伪造区域的精准定位领域,并且得到了较好的效果。