多源图像的处理技术中多源图像的分割一直是学者们研究的重要领域。因此，如何利用多源图像的信息提高分割质量以及采用哪种有效的分割方法一直是备受关注的研究问题。针对这一问题，本文主要研究了多源图像区域分割的方法并且重点研究了区域分割算法中的一种典型的算法—分水岭算法，并采用分水岭算法对多源图像（主要以可见光图像以及红外图像为主）进行分割。分水岭算法与其他方法相比，它具有获取图像边界连续，运算速度快，计算精度高的优点，但是由于分水岭算法存在过度分割现象以及对噪声敏感的缺陷，因此，为了克服分水岭算法的这些缺陷，本文主要研究如何采用区域分割方法改进分水岭算法，具体内容如下：首先研究了多源图像去噪、平滑、滤波的方法，根据多源图像的成像原理及特点，采用最佳的图像去噪、平滑、滤波的方法对多源图像进行预处理，从而完成分水岭算法的前期改进。其次，重点研究了基于区域的分割算法中的阈值分割算法，并在分析比较各种阈值分割方法的优缺点的过程中，选择了最大类间方差法（OTSU法）作为本文的阈值分割方法，并进一步对该方法进行了改进，提出了结合梯度特征的最大类间方差法，进而将该方法作为分水岭算法分割前的预分割方法，因而又提出了结合阈值算法的分水岭分割方法。最后，深入研究了区域生长和分裂合并算法，依据此算法的思想，采用聚类算法来解决分水岭分割后产生的小区域的合并问题，并在分析比较常用的聚类分割方法的优缺点的过程中，选择了FCM算法作为本文的聚类分割方法并且对该方法进行了改进，提出了结合空间特征的FCM聚类分割算法，进而使用改进的FCM聚类分割算法对分水岭算法进行改进，因而又提出了结合改进的FCM聚类分割的分水岭算法，从而完成了对分水岭算法的最终的改进措施。