图像分割是图像处理与计算机视觉领域低中最基础和重要的领域之一,是图像进行视觉分析和模式识别的基本前提。基于图论的图像分割方法是图像分割领域中的一个研究热点,该类方法将图像映射为带权无向图,把像素视作节点,利用最小割集准则得到图像的最佳分割,会有一些问题不可避免的出现。但是,如果单纯的使用这类方法对图像进行分割的话,无法得到好的分割效果。因此需要结合其他的理论和知识对其进行改进,以便使得这类图像分割方法具有更好的实效性。本文针对基于图论的图像分割方法中存在的问题,把基于Normalized Cut准则和Min-Max Cut准则图像分割方法分别与阈值化图像分割方法相结合,并对衡量像素点间相似性的计算公式进行改进,取得了一定的实效性。本文主要的研究工作如下:(1)研究和分析了基于图论的图像分割方法和阈值化分割方法的理论及进展,对两者的结合的可行性进行了探索。(2)针对基于图论的图像分割方法在处理含有噪声图像时的不足,提出一种新的具有抑制噪声能力的图像阈值化分割方法。该方法采用Normalized Cut准则划分测度作为划分目标和背景的阈值分割准则,并在图权计算公式中,增加了像素点与其邻域的空间相关信息,以提高算法的抗噪性。实验结果表明,该方法具有很强的抑制噪声能力。(3)针对基于图论的图像分割方法中通用性的不足,提出了一种新的基于Min-Max Cut的阈值化图像分割方法。该方法采用Min-Max Cut划分测度作为区分目标和背景的阈值化分割准则。在描述图像各像素间的相似性关系权值矩时,把基于图像像素的权值矩阵换成基于灰度级的权值矩阵,大大节约了算法实现的复杂度和算法所需要的存储空间度。并用类似于基因势函数的计算公式作为图权公式,该公式以统计学的形式更为全面的反映了两像素点间的相似性,同时又避免了通过手动的形式来设置控制像素点间相似性因素的差异敏感程度参数的不足,提高了算法的通用性。通过实验结果,验证了本章算法的实用性。