图像分割是图像处理的重要组成部分,其应用领域广泛,在计算机视觉、图像编辑、模式识别等领域占有主要地位。交互式图像分割技术是本文研究的对象,利用用户提供的先验信息,通过相关算法将用户感兴趣的目标提取出来,分割结果的好坏和分割方法的执行效率对图像后期的相关操作起着决定性的作用。图论的引入是图像分割技术的一个新的研究方向,这一思路有别于传统的分割方法,得到了研究人员的广泛关注。本文首先概述了图像分割方法的研究现状,引出图论的相关概念,分析图与图像的相似性,从原理上分析如何将图像的分割问题转化为图的分割。在图论知识中,图切分算法在交互式图像分割技术中处于主流地位。本文深入分析了图切分算法的基本框架,以及一系列相关的应用方法,通过比较这些方法的优缺点来寻找改进思路。GrabCut方法和Lazy Snapping方法是目前基于图切分算法的交互式图像分割方法中应用较好的方法。随着数码技术的发展,图像的像素越来越高,文件质量越来越大,传统的交互式分割方法在计算时间、内存消耗上或多或少存在不足。因此本文借助Lazy Snapping方法中的预分割思想,采用融入多尺度结构张量的简单线性迭代聚类算法对图像进行预分割,结合GrabCut框架实现后续分割操作,提出了一种基于超像素的快速图像分割方法。图像通过预分割后,用超像素描述预分割区域的特征信息,对应GrabCut框架中的统计特征方法对精简后的图像构建高斯混合模型,采用期望最大算法对高斯混合模型的参数进行学习和更新并构造能量函数,采用最大流／最小割定理切割能量函数映射的s-t加权图,最终实现图像的快速分割。本文通过对比基于超像素的GrabCut分割方法和传统GrabCut分割方法的结果,发现,在保证分割质量的同时,这些改进显著提升了传统GrabCut分割方法的执行效率,说明了该方法的可行性和实用性,可以在日常生活和专业领域得到广泛应用。