图像分割是指根据某些准则,将图像划分成若干互不相交的有特定属性的区域。传统的图像分割方法有阈值分割方法,区域分割方法,边缘检测分割方法等。近年来,随着新理论新技术的发展,产生了许多新的图像分割算法,其目的一是为了抑制噪声从而提高分割结果的准确度;二是为了降低计算复杂度;三是为了使算法具有更普遍的适用性。基于分水岭的分割算法因其原理简单,检测到的边缘平滑封闭,并能够对弱边缘具有较高的响应等优点,所以广泛的应用在图像分割领域。但是,分水岭分割算法对噪声敏感,容易引起过分割,因此需要在进行分水岭分割前后对图像进行预处理及后续处理。论文通过比较各向异性高斯核与各向同性高斯核在边缘提取和抑制噪声方面的性能,得出各向异性高斯核对边缘提取和抑制噪声方面具有更好的效果的结论,并且与分水岭、区域合并方法结合,提高了分割精度和效率,从而改进了图像分割技术。综上所述,本文的主要研究内容如下:(1)验证各向异性滤波器比各向同性滤波器对边缘具有更优的方向选择性。(2)各向异性高斯核滤波器具有多方向性,能够很好的表征边缘梯度大小及方向,利用图像像素点的梯度幅值信息提取图像的边缘映射,有效地解决了边缘断裂和边缘移位的问题。(3)各向异性高斯方向导数滤波器通过设定合适的高斯尺度可以有效地抑制噪声,缓解了分水岭的过分割问题。(4)在满足区域合并代价的前提下,利用区域邻接图和最近邻图可以加速区域的合并,有效地减少了算法的时间。最后,将提出的基于各向异性高斯核的图像分割算法与基于Canny,区域生长和LOG的三种图像分割算法进行对比研究,选取多幅图像,分别从边缘质量评估、区域覆盖率和算法复杂度方面分析获得对比数据,验证了提出基于各向异性高斯核的图像分割算法的有效性及优越性。