在图像的研究与应用领域,图像分割一直是一个难点和热点问题；而模糊边界图像的分割,由于受到图像边界模糊特性的影响,把图像分割成有效的区域进而达到分离目标和背景的目的,则更是一个难点问题。本文旨在找寻针对模糊边界图像分割的有效算法。本文首先采用目前在图像分割领域具有代表性的常用算法,包括模糊C均值聚类算法、主动模型snake轮廓检测算法和canny算子边缘检测算法,对模糊边界图像进行了应用分割实验,以测试这些算法在模糊边界图像分割中的应用效果,并分析了这些算法的优缺点。通过以上研究和分析,本文在区域生长的基础上,提出了两种针对模糊边界图像的分割算法。第一种算法是基于梯度边界的区域合并算法。该算法的最基本出发点是：在图像中边界总是由于相邻区域的像素差异造成的,而相邻区域间像素值的差异越大,边界的可信度就越高。该算法首先用区域生长的方法将模糊边界图像生成一个一个区域,然后将整个图像看作是以像素值为海拔高度的三维地图形式,再通过迭代的方法找寻地图中梯度最大的边界,同时结合斜坡原理对在同一斜面上的区域进行梯度平滑处理,逐渐将图像分割成不同的目标区域。实验表明,与常用算法相比,该算法更能符合人眼对图像观测结果的要求。第二种算法是基于模糊连通性的模糊边界图像分割算法。该算法的原理是基于人眼对物体整体感知过程：若两个区域内的像素信息足够相似,那么人眼将会把这两个区域看成是同一个物体的两个部分。该算法从考察图中各个相连通的区域间的模糊连通度出发,把一定模糊连通度范围的区域看成某个物体对象的部分区域,再逐渐合并一定模糊连通度的相邻子区域,如此不断的迭代聚合,从而将模糊图像中的各个物体逐渐分割开来。本文通过对若干图片的分割实验表明,该算法能有效地将模糊边界图像分割成不同的目标区域。通过对比分析几种算法的分割效果发现,本文提出的两种新算法在模糊边界图像的分割效果方面明显优于其他分割算法。尤为特别的是,基于梯度边界的分割算法能够更好地确定边缘的真实性；而基于区域模糊连通性的分割算法,能恰到好处地分辨出目标物体的整体性,并且能够通过修改模糊连通隶属度对目标图像进行多层次的分割,从而发掘图像中不同层次的目标区域。本文的研究具有以下创新点：1.根据图像中不同区域的像素特征,采用梯度边界的思想判定有效边界。2.利用斜坡平滑的方法,合并特征差异很小的区域,从而消除虚假边界。3.对图像中的模糊歧义区域进行标记,在其他区域完成分割后,根据标记区域的环境信息逐渐将这些标记的区域进行归类。4.采用计算区域模糊亲和度的方法判断区域之间的模糊连通度。5.根据模糊连通度采用模糊子集分割的方法,逐渐迭代完成模糊边界图像的分割过程。在文章的最后对论文做了总结和展望,总结了一些模糊边界图像分割算法的优缺点,并提出了这些算法进一步改进的探索方向,希望在以后的研究中能提出更高效更优秀的分割算法。