深度图像能够准确地表现物体目标表面的三维几何信息,越来越受到重视,并广泛应用于计算机视觉、图像分析等领域。图像分割是图像分析技术的主要研究方向之一,主要依靠特征信息的正确提取。深度图像分割算法主要分为两大类:基于边缘检测的方法和基于区域的方法。基于区域的方法依据同一性将像素点分类,形成连通区域;基于边缘检测的方法主要依据边缘点特性进行区分。这两类方法各有特色和优缺点。边缘法对区域边界的定位非常准确,运算速度快,但由于噪声、遮挡等因素的影响,很难形成连续的区域边界。区域法可以形成封闭边缘,但算子结构复杂,容易发生边界错位现象,且运算结果依赖于初始种子和聚类数目的选取。本文采用边缘和区域相结合的研究方法,既借鉴了边缘检测算子结构简单、检测速度快的优点,又汲取区域算法能够获得比较连续的区域边界的特点,将分割过程细化为两个阶段——边缘提取和区域分割阶段,每个阶段采用不同的算法,在较好地获得物体边缘整体轮廓的同时保留较为详尽的局部细节信息,兼顾速度与准确率,形成连续、封闭的区域边界。首先,本文在引入一种边缘类型的几何定义基础上,设计并实现了一种全新的、快速边缘检测算子。其次,通过阴影集等定义,将二值形态学扩展到深度图像中,设计了基于数学形态学的区域分割算法;最后,对图像分割过程中产生的像素点的特点,讨论了一种分割方法选择判定,选择性的对图像进行快速边缘检测或基于数学形态学的区域分割,最终获得特征图像。本文采用标准深度图像数据库,对几种经典算子和本课题改进方案进行了大量的实验,结果表明,改进方案可以获得更丰富的边缘信息。