图像分割是指把图像分成各具特性的区域并提取出感兴趣目标的技术和过程。图像分割是进行图像分析的一个关键的步骤,可以作为图像工程的准备工作。彩色图像拥有丰富的信息,所以对人类的视觉感知非常重要,因此,目前彩色图像分割方法的研究有着十分重要的意义。彩色图像分割可以看成是灰度图像分割技术在各种颜色空间上的应用。许多彩色图像分割方法都是从灰度图像分割方法上扩展而来的。目前的一些分割方法体现两个特征:过渡区域特征相似性和增加附加特征。这两个特征限制了这些方法处理彩色图像的能力。本文从色彩空间和分割方法方面研究了彩色图像分割方法,并进行归纳和总结。色彩结构编码利用色彩分割来分析自然场景图像的彩色图像,它是一种分层的区域生长算法,具有处理速度快和可靠性高的优点,因而在本文中选择作为预分割方法。梯度网络方法的提出是用来解决过渡区域相似性这一问题的。它基于分析连续变化的色彩强度,将具有相似性的区域合并。这一方法属于区域生长的继续分割过程。本文将色彩结构编码与梯度网络方法相结合,设计一个联合彩色图像分割方法,并在原有的梯度网络方法基础上利用新的色彩感知条件对其进行改进。最后,利用其它一些特征对结合后的方法进行优化。在文中,选择Rand和BGM分割评价准则对本文方法进行评价,并与其它分割方法进行比较。通过实验证明,本文的联合彩色图像分割方法获得了很好的分割效果,并表现出较好的稳定性。