在图像分割领域,基于图论的归一化分割算法是一种综合考虑图像全局和局部的信息,获得全局最优的一种无监督算法,有较好的通用性和分割结果,受到格外的关注。但随着分割图像变大的要求,该算法运行时间急剧增加,难以用于实时应用。简单线性迭代聚类方法(SLIC)是一种综合性能较好的预分割算法,能生成紧凑、近似均匀的超像素。在运算时间、物体轮廓保持等方面符合人们的期望。但这种算法在聚类迭代过程中没有充分考虑孤立点与最近邻超像素间的相似性,结果将导致生成的超像素不能有较好的图像边界。针对上述缺陷,本文设计了一种基于改进的SLIC超像素的归一化分割算法,不仅减少了运行时间,也获得了较好的分割效果。本文的主要工作和贡献如下:(1)研究和分析了基于图论的归一化分割方法以及超像素预处理分割算法的理论及进展,对归一化分割和SLIC超像素分割两算法结合的可行性进行了探索。(2)针对基于归一化分割方法运行时间长的缺点,提出一种基于SLIC超像素的预分割方法,对图像进行预处理以减少像素点个数,再利用归一化分割对图像进行合并处理,这样大大降低了归一化分割算法的运行时间。(3)针对SLIC预分割会产生微小区域、边界分割准确性不足的缺点,本文引进双边平滑滤波器对图像进行保边去噪平滑预处理,并提出了一种新的微小区域的合并方法,有效解决了 SLIC预分割算法中的不足。(4)本文在利用归一化分割算法时,改进了原有的权重函数,在不影响分割效果的情况下,降低了算法运行的时间。最后,利用伯克利大学数据库(BSDS)里的部分图像,对本文所提出的算法与原始算法进行量化评估和对比分析。实验表明本文提出的算法是快速而且有效的。