图像分割技术的应用领域涉及人类生活的方方面面,涵盖计算机视觉、生理学、认知学与计算机科学等多个学科,是一门结合理论与应用为一体的图像处理与识别技术。而彩色地图图像分割对基于地理信息系统的目标检测提供独特的珍贵信息。随着计算机技术的发展,电子地图逐渐取代纸质地图为人类生活带来便利,而彩色地图的图像分割正是获取电子地图的关键技术,更是彩色地图矢量化的先决步骤。多年来理论及实践为彩色地图图像分割的深入研究奠定了良好的基础,但由于彩色地图图像中颜色混杂以及边界模糊等特点给地图图像分割和进一步矢量化带来诸多问题。本文首先分析了彩色地图图像分割的研究意义和国内外发展现状,指出了其中存在的主要问题,然后深入研究目前彩色地图图像分割的主要算法——聚类算法和种子区域生长算法。在此基础上,本文提出一种基于改进的GK聚类与种子区域生长的图像分割新算法,以更为准确地实现彩色地图图像分割。具体思路如下:首先对图像数据集采样,获得采样数据;再利用GK聚类算法获得更加准确的聚类中心;其次在GK聚类算法获得聚类中心的基础上结合像素的相似性和空间连通性等性质定义初始种子集;在初始种子集的基础上根据一定的生长规则进行种子区域生长,最后依据种子区域生长的结果获得具有相同颜色信息和空间连通性的颜色层。GK模糊聚类基于自适应的协方差矩阵进行距离度量,可以准确的模拟超椭球空间分布的样本聚类。本文提出改进的GK聚类算法,通过椭球体拟合原始数据集,用拟合协方差矩阵代替原始GK聚类中的协方差矩阵,以有效避免聚类算法中重复计算协方差矩阵,缩短聚类的时间。基于改进的GK聚类和种子区域生长的图像分割算法不需要根据经验调节先验参数,并且图像采样和椭球体拟合协方差矩阵等方法有效地缩短了聚类时间,最终能够实现地图图像的自动分割,获得分版图像。此外,将本文提出算法与Stefan Leyk和Ruedi Boesch提出的区域生长算法进行对比分析,结果表明本文提出的图像分割新算法具有更高的准确性和适应性。我们已将该图像分割算法移植到西安某研究所MapGIS K9地理信息系统平台下,并应用于彩色地图的自动图像分割。然而,文中的聚类算法不可避免的存在算法复杂度较大的缺点,研究如何能提高聚类算法准确性同时缩短时间复杂度,获得更好的初始种子集是作者下一步研究的重点之一。