图像分割是图像处理和计算机视觉领域中的一个最具挑战性的技术，已经有几十年的发展历程了。早期的图像分割技术都是针对灰度图像和结构化场景图像的，这些图像的形式较简单、特征比较稳定、较容易进行分割。但是，近些年来，由于互联网和数码产品的普及，对自然场景图像进行分割、提取出感兴趣的目标成为了当前分割领域中的一个热点和难点。为此，本文围绕自然场景图像分割需求，通过分析该类图像的颜色特征，对已有的分割方法展开深入研究，并提出了自己的算法，主要内容如下：首先，对颜色空间进行分析，在HSI颜色空间对图像中的目标物体进行标定，运用Otsu算法计算阈值，对图像进行二值化，再通过形态学运算进行去噪和填补空洞处理，提出了一种基于颜色标定的Otsu阈值分割法，较好的分割出了目标物体。其次，针对Otsu算法没有考虑图像的空间邻域信息，本文把马尔科夫随机场引入到Otsu算法中来整合图像像素的灰度信息和空间邻域信息，提出了一种基于马尔科夫随机场的Otsu阈值分割方法，该方法把邻域拒绝度结合到Otsu方法中，并提出了一个新的阈值选取函数。实验结果证明，把该方法应用于道路图像分割中，获得了较好的分割效果。最后，研究了均值漂移算法和最小生成树算法，为了提高均值漂移分割算法的运行效率，提出了一种结合均值漂移与最小生成树的图像分割方法，简称MS-MST方法。该方法首先选取较小的空间带宽参数，以较快的速度对图像进行均值漂移分割，得到过分割图像；然后，以过分割区域作为后续处理的基本单元，构造加权区域邻接图，运用最小生成树算法对其进行合并，得到最终的分割结果。实验结果证明，此算法在保证图像分割质量的前提下，大幅提高了经典均值漂移算法的分割速度。