图像分割是一种既重要又关键的图像分析技术。在图像工程中，图像分割是从图像处理到图像分析的关键步骤，也是进一步理解图像的基础。一般对图像进行研究或应用时关注的只是图像中感兴趣的目标，它们一般对应于图像中特定的、具有独特性质的区域。为了对感兴趣的目标进行分析，首先要做的便是将图像分成各具特性的区域，从而将感兴趣目标从原图中分离提取出来，然后再进行后续步骤，如测量、特征提取等，我们将这一过程称之为图像分割。图像分割多年来一直是图像工程中的一个研究热点，到目前为止各种算法便已达到上千种。本文选取了目前较热门的基于图论的方法进行研究，研究内容如下：首先本文介绍图像分割的研究背景、研究意义以及研究现状；然后介绍进行图像分割前的图像预处理方法，由于图像预处理的结果直接影响后期的图像分割质量，所以本文在这部分也会着重介绍并提出相应的改进方法从而提高预处理的质量；最后将着重介绍本文所提出的方法：在图像预处理的基础上构造一个金字塔模型的多层图，然后利用基于半监督学习的方法构造关联模型并求出其相似性矩阵，最后利用归一化分割准则分割图像。本文将所提出的图像分割框架在Berkeley图像库，MSRC图像库上分别进行了实验，且实验结果表明本文所提出的分割框架对比与一些传统的、经典的方法分割质量有一定程度的提高。