随着多媒体技术和互联网技术的迅速发展，我们在每天的工作和生活中都会接触到大量的多媒体信息。彩色图像能够表示现实世界中丰富的内容，因此，彩色图像无疑是多媒体信息中极为重要的一种表现形式。随着信息技术的发展，彩色图像处理技术已经深入到我们生活当中，各行各业对彩色图像处理技术的需求越来越大。彩色图像分割技术作为彩色图像处理技术中的一个关键问题，为基于图像处理的人工智能、模式识别等应用提供了最基本的数据特征信息，它对这些应用起着至关重要的作用。而它也是影响机器视觉学科发展的瓶颈问题，因此对它的研究具有重要的意义和实用价值。 彩色图像分割技术包含的内容非常广，我们不可能面面俱到。本文在回顾分析了众多彩色图像分割方法的基础上，主要针对基于区域和边缘的分割方法进行了研究。其中针对基于区域的分割方法，又从基于局部和全局特征两个角度分别进行了算法设计。这些算法已经被应用于不同领域。 具体来说，本文的主要创新工作如下： (1)本文分割算法在处理颜色相似性时，均采取非线性度量方式，分别采用了高斯混合模型和FCM算法来对进行颜色分布描述和分类。高斯混合模型和基于FCM算法分类的类别数在实际工程应用中往往根据颜色直方图的可靠峰值来确定，基于此提出了采用自适应Mean-Shift过程来预测用以拟合高斯混合模型的EM算法和FCM算法初始值的策略。 (2)基于JSEG算法框架，提出了SJSEG算法，利用高斯混合模型来提供颜色的相似性度量，由于使用了自适应．Mean-Shift过程来自适应预测类别数，因此往往可以得到的合适类别数，在混合模型基础上提出了基于Fisher线性判据的软J值概念，初始分割完成后，利用区域的隶属度直方图之间的相似性进行区域合并，得到了比JSEG更加鲁棒的分割结果，并把SJSEG成功用于舌诊客观化中舌面苔质同质区域的划分。 (3)分析了两种传统经典彩色梯度计算方法，并讨论了适于采用动态轮廓线模型进行分割的彩色图像的特点，指出了传统基于线性度量的彩色梯度计算方法与动态轮廓线模型结本论文的研究工作曾得到以下基金项目的资助：国家自然科学基金项目(30170274)、上海市科委人脸识别项目(03DZl4015)、上海市科委重点项目“中医四诊客观化研究”。 合的不利之处，进而提出了适合动态轮廓线模型应用的基于颜色高斯混合模型的非线性度量方法计算彩色梯度，并将其应用于梯度矢量流轮廓线模型。此方法有良好的分割性能和抗噪性。基于此方法，提出了一种舌图像中舌体的自动提取算法，并成功应用于舌诊客观化系统。 (4)分析了基于图论的Normalized Cuts方法中建立节点间相似性度量的方法，提出了基于数据驱动的相似性度量方法中指数函数下降率参数的自适应求取方法，大大提高了NormalizedCuts方法的自适应能力；提出了依据分水岭变换分割结果的独立区域作为节点，利用颜色高斯混合模型建立每个节点的归一化隶属度直方图，进而采用归一化直方图间的Bhattacharyya系数建立节点间相似性度量，利用改进的Normalized Cuts方法进行区域合并，不但提高了分割质量并大大缩短了分割时间。 (5)在(4)的框架下，颜色采用基于AMS预测初始条件的FCM算法进行模糊聚类提供颜色的非线性度量，融合了采用DOOG滤波器组进行图像局部空间结构特征来提高算法的适用度(可有效对随机纹理和规则纹理图像进行分割)，并提出了基于Mean-Shift滤波原理的局部最优特征点重定位，这可以更加有效地提取处于同质边缘区域的分水岭区域的特征信息，使分割结果的边缘定位更加精确，克服了基于局部统计信息进行分割所带来的边缘定位不够精确的缺点。并将其应用于基于关注度模型的人眼感兴趣物体的提取。