图像分割是图像处理、计算机视觉领域研究的具有挑战性的热点问题，是从图像处理到图像分析的关键。近几年，学者们的研究主要集中在交互式图像分割算法、特定类图像分割算法、语义图像分割算法和协同图像分割算法。本文研究的是交互式图像分割算法和语义图像分割算法，将这两类图像分割问题表示成能量函数的形式，并使用Graph Cut最优化求解能量函数的最优解，完成图像的分割。首先，针对Graph Cut交互式图像分割算法中存在的Short Cut问题，本文以高斯混合模型和最短测地距离联合建模图像的外观模型，以测地星凸形状约束作为前景物体的先验形状，构造能够使用Graph Cut最优化求解最优解的能量函数。其次，针对语义图像分割算法在语义类别训练阶段中存在的闭环范式问题，本文采用无参数理念，在训练阶段，对图像相关特征进行计算和统计，当有新的图像或者新的语义类别加入训练图像集时，只计算新加入图像的图像特征或者统计与新语义类别相关的图像特性。最后，针对语义图像分割算法在语义分割阶段中存在的算法开销较大问题，本文以超像素作为基本单元，使用K近邻算法计算超像素属于某语义类别的最大后验概率，以训练图像集中语义类别的上下文作为相邻超像素的约束条件，构造能够使用Graph Cut最优化求解最优解的能量函数。