彩色图像分割是图像识别的基础,分割结果的好坏直接影响识别精度的高低。彩色图像因其背景复杂、目标色彩丰富而难以正确分割。本文利用视觉显著性模型和GrabCut,对彩色图像分割算法进行了改进研究,主要工作如下:1、设计了一种基于改进凸包和颜色对比度的单目标彩色图像分割算法。基于对比度原理的显著性计算模型有时会高亮背景中具有高对比度的区域,得到的显著目标偶尔也会出现空洞。上述问题可通过结合改进后的凸包计算中心显著图得以解决。首先,根据颜色的独特性和颜色的空间分布计算基本显著图;其次,利用FH超像素对凸包进行改进,并根据格式塔原理计算中心显著图;最后,将基本显著图和中心显著图进行加权融合得到综合显著图,使用阈值法对综合显著图进行分割得到最终的目标图像。实验结果表明,该算法与现有主流的显著性计算模型相比在可视效果方面与真值图像更为接近,在准确率等方面有明显的优势。2、设计了一种基于显著性和GrabCut算法的多目标彩色图像分割算法。利用改进凸包计算多目标彩色图像中心显著性时,由于改进凸包内仍包含相对较多的背景区域,若采用格式塔原理计算中心显著性会出现部分背景显著性值高而目标的显著性值低的情况。针对上述问题,首先利用边界先验理论计算凸包内的显著图,并加权融合基本显著图得到综合显著图;然后使用阈值分割实现图像预分割;最后,根据预分割的结果对GrabCut的GMM模型进行初始化并实现最终分割。实验结果表明,该算法与传统GrabCut算法相比在分割效率和准确率方面有明显的优势。