随着成像设备以及计算机科学技术的发展，自然场景图像的分析处理具有重大的学术价值和应用意义。论文以自然场景图像为研究对象，对视觉注意模型和图论分割算法进行了深入研究和分析，取得了如下成果：(1)由于光照、地形及运动等多种环境因素的影响，使得室外自然场景具有非结构化、多样性、随机性和复杂性的特性，这些复杂的特性致使自然场景图像的分析与处理更加困难，因此论文引入视觉注意模型，利用色调、饱和度等暖色增益，计算得到待分割对象所在的显著区域，获得待分割对象所在的候选矩形区域，借以削弱这些复杂因素的影响。该矩形区域的获得为Graph Cut提供了自动标注，取消了人工交互。同时，为了降低后续Graph Cut的分割耗时，并保证分割对象的完整性，论文对该矩形显著区域进行了进一步扩充，并将扩充后的矩形区域作为输入图像，进行后续分割。(2)传统的图论分割算法以像素点作为节点构造加权图，构造的相似度矩阵与图像分辨率成正比，大大影响了算法效率，因此，本文在分析原分水岭算法的基础上，提出了一种新的基于边缘距离的Watershed预分割方法。该方法分析了自然场景图像复杂性的特点，对原始图像进行平滑处理，以边缘像素与非边缘像素之间的距离作为约束，重构梯度图，利用Watershed变换进行预分割，在保持局部信息的情况下，有效的减少了分水岭变换后的区域个数。(3)为了降低图像分割的处理时间，本文用分水岭算法预分割后的子区域（超像素）取代像素点，映射为Graph Cut加权图中的顶点，以区域间的相似性作为加权图中边的权值，利用最大流-最小割定理来完成图像分割。最终的实验结果表明，该方法不仅提高了分割精度，而且还有效地降低了图像分割的时间。