图像分割是计算机视觉中最重要的底层技术,随着计算机视觉技术的发展,图像分割被普遍应用于图像检索、医学图像分割等研究领域。同时,图像分割也是图像分析的基础,其结果会直接影响到后续图像处理的质量。因此,图像分割具有重要的研究价值和研究意义。超像素作为一种有效的图像初始分割算法,在快速分割图像的同时能较好地保留图像的局部信息,并大大降低后续图像处理的复杂度。而与自动图像分割相比,交互式图像分割通过加入用户交互的先验信息作为指导,使图像分割变得较为简便。因此,本文将使用基于超像素的交互式图像分割方法对图像进行分割。本文的主要研究工作如下:(1)分析并总结了超像素相关理论与技术,将超像素算法大致分为两大类,并对其中较为常用的超像素算法作了介绍。其中,重点介绍了Mean-Shift和GrabC ut两种算法。通过对比并分析现有超像素算法的局限性,来确定本文将使用SLIC超像素算法对图像进行初始分割。(2)针对一些超像素分割算法分割速度慢、提取边缘不理想等不足,本文使用有较快分割速度、对图像中目标物体边缘依附性较好的SLIC超像素算法,并通过实验确定SLIC超像素算法的实验参数,来对图像进行初始分割。虽然颜色直方图能有效表示彩色图像的颜色特征,但是单一的特征不能有效表示图像其他重要特征的信息,在此基础上提出一种由颜色直方图和Contourlet变换构成的区域相似性特征,来表示分割后超像素区域的特征。(3)针对超像素在进行区域融合过程中出现的误匹配,本文在MSRM方法的基础上,提出一种基于区域融合的分层匹配方法。通过改变区域的融合策略,采用最大相似性原则对超像素区域进行融合。实验结果表明,本文方法不但提高了分割速度,而且分割的准确率(ACC)也有所提升,同时降低了分割的负率度量(NRM)。