随着影像技术和图像应用技术的蓬勃发展,对图像处理的各种要求越来越高,而图像分割作为图像处理和图像分析的重要基础,在近年来得到了广泛地研究与推广。由于细节较多,图像灰度分布不均匀,目标与背景对比度低、纹理特征复杂等原因,传统的图像分割无法满足人们的越来越高的需求。本文基于多层图约束的图割模型交互式图像分割算法进行了深入研究,采用交互手段,可以通过用户输入的交互信息直接对分割进行指导,快速准确地得到图像中感兴趣的区域。通过结合多种特征和图割方法,进行建模,同时采用标签传递算法计算权重,最后根据最大流/最小割对能量函数进行优化得到分割结果。本主要工作和研究内容如下:(1)提出了一种基于三层超像素图模型结合标签传递的图割算法:首先,通过对图割算法引入多重超像素层的约束,在建立图模型过程中加入超像素共同建模,引入高次信息,不仅用到了像素的颜色特征,也考虑了超像素的区域特性,为分割提供了更多更丰富的信息。通过多层超像素层,既能抑制过分割也可以通过不同参数的超像素来增加算法的鲁棒性,提升算法稳定效果。其次,使用标签传递算法,让每个结点反复迭代传递它的标记信息到它的近邻,直到所有样本的标记达到稳定,由于收敛时的标记可以由计算推导求出,而不需要进行多次迭代,节省了时间,提高了效率。最后在Berkeley和Microsoft Research Cambridge(MSRC)图像库上进行实验验证,通过差异实验法评价分割算法,证明了在复杂背景和低对比图分割时算法的有效性和可行性。(2)设计实现了一种结合图像块层和超像素层的多层图约束的交互式图像分割算法。在图割方法的基础上,提出了像素层结合图像块层和超像素层的方法。该方法首先进行两次图像预处理,分别得到基于图像块的图像块层和基于超像素的超像素层。图像块是对整幅图像进行按步长和窗口大小分割后得到的基于图像局域的信息,由于采用图像块内像素点特征均值作为该像素块的特征信息,所以它的特征信息中增加了像素点与周围像素点的连接关系,提供了纹理和组织结构上的特征。但由于是取均值,弱化了该图像块在保持图像内部边缘信息。因此将图像块与图像层结合,丰富了区域部分的特征信息,也弥补了像素块对边缘分割不好的缺点。然后加入超像素的方法,在图割算法中加入超像素层,在建立图模型时加入超像素关系,引入高次信息,为分割提供了更丰富的信息,降低了分割的错误率。通过在两个公共图像库数据集提供的测试图片上的实验,表明了本章算法对复杂背景和低对比图像分割的有效性和可行性。