图像分割是计算机视觉领域一个最古老，也是研究最广泛的基本问题之一，它是图像分析的重要技术之一，是连接图像处理和图像理解的关键步骤，在整个图像工程中占据很重要的位置。图像分割研究至今，已产生了许多卓有成效的方法，其中基于图论的图像分割方法因其理论的成熟性以及图像与图之间较好的对应性，已成为图像分割的主流方法之一。随机游走是一种基于图论的半监督图像分割方法，具有分割速度快，无需迭代，对噪声具有鲁棒性，对弱边缘具有较好的响应等优点，且易于扩展到多维空间。但该算法采用灰度差描述节点间的相似性，使目标轮廓分割易受复杂纹理图像的干扰，产生错误分割，且其是基于图结构上的分割算法，随着图中节点数的增多，计算速度大大减慢，限制了其应用。本文对随机游走算法进行了进一步地研究，主要的研究工作包括以下几方面：(1)针对随机游走算法随着图像尺寸增大，像素个数增多，节点数增多，导致计算效率大为降低的问题，提出了一种基于区域的随机游走图像分割方法。首先利用低水平分割算法对目标图像进行预分割，产生具有相似特性的小区域。然后以产生后的同质区域作为图结构中的顶点，根据区域描述算子以及相似度度量方法计算相邻节点间的相似度，然后运用随机游走算法进行求解，获得分割结果。与传统方法相比，该方法既保留了传统方法的优越性，又提高了计算效率。(2)传统随机游走算法采用灰度差描述节点间的相似性，对复杂纹理图像和彩色图像分割效果不理想；基于区域的随机游走图像分割算法采用彩色直方图作为区域描述算子，彩色直方图是一种统计算子，不能很好的反应图像的空间结构特征，针对上述问题，提出了结合纹理特征的随机游走图像分割算法。通过Gabor滤波器对图像进行卷积，然后将得到的纹理特征与高斯权函数相结合。该方法提高了随机游走算法的分割性能，在较为复杂的图像中也能得到较为理想的分割效果。(3)根据几种较为流行的基于种子像素的图像分割方法，研究并扩展了基于种子像素的图像分割框架，分析和比较了该框架在不同参数设置下产生的不同分割方法，并论述了关键部分的设计。