近年来,多尺度几何分析在图像分割中的应用越来越多地被关注,其中Contourlet在处理图像中的奇异性特征方面具有较好的性能,但是Contourlet变换仍然存在缺少冗余性和不具备平移不变性的问题。超完备Contourlet变换即基于平稳小波的非下采样Contourlet变换,结合了平稳小波变换的多尺度性和非下采样Contourlet的多方向性,是一种完全平移不变的、多尺度多方向分辨率和强相关性的图像分析工具,更适合用于图像分割中。本文主要研究了超完备Contourlet在图像分割中的应用,主要工作如下：(1)采用超完备Contourlet变换实现了对纹理图像的分割。该方法充分利用了超完备Contourlet的多尺度多方向性,对纹理图像进行特征提取,采用FCM算法实现了对纹理图像的分割。该算法利用超完备Contourlet在描述图像的纹理特性和统计特征方面的优势,得到了较好的分割效果。仿真对比实验了结果表明了该方法在区域一致性方面比小波变换和Contourlet分割效果要好。(2)提出了基于超完备Contourlet和免疫克隆选择的纹理图像分割算法。该算法主要针对超完备Contourlet对图像提取的特征向量维数过大,利用免疫克隆选择算法全局寻优的特性,对特征进行选择,剔除对于分割作用不大的特征,选出更适合分割的特征,进而实现图像的分割。加入免疫克隆选择算法后,不但降低了分割算法的计算复杂度,也提高了图像分割的精度。仿真对比实验的结果表明了经过特征选择的分割效果要好于没有经过特征选择的分割效果。