自然背景下图像分析在许多领域都有着重要的应用。几十年来，国内外众多学者和研究人员对复杂背景中的目标检测与识别进行了深入的研究，发展了许多新的技术。分形就是其中一种，分形技术用于图像处理主要基于两点：一是自然背景在一定尺度范围内大都符合分形布朗运动模型；另一点是利用分形维作为图像的主要参数来进行分析。 本文系统地研究了分形技术在图像边缘检测和图像分割两个方面的应用，总结了相关方法的优缺点，并在此基础上进行了改进。为了解决传统边缘检测方法的不足，提出了一种基于分形误差的检测算法。首先将图像数据由灰度空间转换为分形特征空间——误差空间，然后通过目标与背景所体现出的不同分形模型差异来达到边缘检测的目的。分形误差的值越高，相应像素越不符合FBM模型，那么这个像素属于边缘部分的可能性就越大。试验结果表明，该算法具有抗噪声、小目标或多目标检测等优点。 在研究传统分割算法的基础上提出了基于区域分形和分水岭技术的图像分割方法。与其他分割方法相比，具有良好的定位精度，能够有效地抑制和消除自然背景的影响，尤其在复杂的自然背景和目标特征单一的情况下，可以取得非常好的分割效果。 本文所提算法从总体效果上优于传统算法，为自然背景下人造目标检测与识别提供了一条新的研究途径。