图像分割是一种具有广泛应用的图像处理技术,在交通、医学、农业、工业等领域有广泛的应用,同时也是计算机视觉研究中的一个经典难题,一直未能得到很好的解决。关于图像分割方法的研究成果有很多,但这些方法大多只是针对特定种类的图像,不具有普遍的适应性和有效性。近年来一些学者将信息融合的策略引入到图像分割中,有效提高了分割效果。开展彩色图像融合分割方法的研究具有广阔的应用前景。论文主要工作如下：(1)介绍了图像分割的定义和一般过程,整理并总结了主要的图像分割方法。(2)介绍了信息融合的定义、基本原理以及层次分类；总结了基于融合的图像分割方法,详细介绍了基于特征融合和基于多尺度融合的两类分割方法；整理了常用的图像分割评价标准。(3)针对自然图像分割中单一颜色空间难以表示复杂多变的场景信息的问题,通过基于层次聚类的方法融合多个颜色空间的分割结果。在Berkeley分割图像库中进行了实验,并和多种经典分割算法进行了定性和定量的比较,实验结果表明此分割方法分割准确性较高,且可以较好地克服过分割问题。(4)根据分割评价标准PRI推导出用于结合多个分割结果的融合模型,通过最小化Gibbs能量函数得到最优的融合结果。在Berkeley分割图像库中进行了多组实验,并与多种经典分割算法进行了比较,实验结果表明这种方法的结果更符合手工标记的真实分割结果。