随着计算机视觉和数字图像处理技术的发展，图像分割已成为各种图像处理和图像分析必不可少的步骤。因交互式分割相较于自动分割能达到更准确的结果，已逐渐成为了图像分割中流行的方法。而在交互式分割方法中，Graph Cuts算法因其全局最优性与快速性，受到了越来越多的关注。本文正是基于改进Graph Cuts的图像分割。　　Graph Cuts是一种能够实现全局最优解的交互式分割方法，根据用户提供的前、背景种子点，该算法能够实现图像的后续的自动分割。其最大的特点是克服了传统分割方法容易陷入局部最优的缺点，并且适用于多维图像分割。超像素(Super Pixel)越来越多地应用于图像处理中。最主要的原因是使用超像素可以有效地减少图像的局部信息冗余，使图像处理的复杂度大大地减少。同时，由于超像素保留的图像的边界信息，使得分割的结果更加准确。传统的Graph Cuts是基于像素水平的，而本文采用基于超像素的Graph Cuts，使得构成图的节点数大大减少，加快了Graph Cuts的运算速度。并且本文提出一个有效的图像分割方法，该方法需要很少的用户交互，可以自动地对分割的边界进行改进，因而使得目标提取变得更方便、鲁棒性更好。　　本文算法可以分为以下三个步骤:首先，用改进的分水岭算法对用户标记过前景和背景种子的图像进行过分割;然后，用全局GraphCuts对过分割区域进行融合;最后，检测出可能存在错误的低对比度目标边界，并结合全局和局部信息自动地对这些目标边界进行再分类。实验结果证明本文的方法相比于传统的基于Graph Cuts的方法能得到更好的分割结果，尤其是对于具有复杂的背景、低对比度的图像，本文方法表现的更为出色。