随着计算机科学技术的不断发展,数字图像处理和分析逐渐形成了自己的科学体系,成为心理学、生理学、计算机科学等诸多领域内的学者们研究视觉感知的有效工具。图像分割作为图像处理和分析的基础环节,分割质量直接影响后续操作效果,因此一直受到人们的高度重视。尽管目前已有多种有效的图像分割算法,但仍存在分割含有复杂场景的图像时效果欠佳、鲁棒性差、对图像细节描述不够精确等问题。为有效解决这些问题,本文提出了三种彩色图像分割方法,其具体内容如下:1、结合快速高精度四元数指数矩的局部描述能力,提出了一种基于像素分类的彩色图像分割方法。首先,对图像滤波去噪,并构建以像素为中心的窗口图像。然后,使用快速高精度四元数指数矩分解图像,并进一步计算矩的幅值和相对相位作为像素特征。最后,将所得像素特征与Tsallis熵的初分割结果相结合,利用临近一致性分类器（PCC）进行最终分割。该方案利用快速高精度四元数指数矩,实现了彩色图像特征的高效提取,通过幅值和相对相位刻画特征,提高了算法的鲁棒性。实验结果证明了所提出算法对彩色图像较为精确的描述能力和分割能力。2、以经验曲波变换（ECT）与多元柯西（Cauchy）统计建模理论为基础,提出了一种基于多相关隐马尔可夫树模型（HMT）的ECT域彩色图像分割方法。首先,对图像R、G、B通道分别进行ECT变换,得到高频子带。然后,利用多元柯西分布函数对ECT域系数统计建模,并对矢量HMT模型参数进行估计。最后,结合不同尺度数据块似然值与基于文本的多尺度融合方法分离出目标对象,融合三通道结果得最终分割结果。该方案利用ECT分解图像,通过多元Cauchy分布拟合系数分布,同时引入矢量HMT统计建模,充分考虑了系数子带尺度间、方向间相关性,实现了更为精确的系数建模。实验结果证明了所提出算法具有较高的分割准确率。3、结合隐马尔可夫随机场（HMRF）与颜色显著性（CS）理论,提出了一种适合于彩色图像的模糊聚类分割方法。首先,根据彩色图像R、G、B各通道的信息显著图,计算彩色图像的综合信息显著图。然后,利用形态学重构闭运算方法去噪,来有效抑制噪声并保存图像细节信息。最后,引入基于隶属度函数矩阵的模糊C均值聚类算法（FCM）处理HMRF模型。该方案通过计算颜色信息显著图,充分考虑了彩色图像的颜色信息。同时,利用中值滤波代替邻域与聚类中心的距离计算来对隶属度矩阵进行修正,提高了运算速度。实验结果表明该算法具有较好的分割性能。