图像分割是一种基本的计算机视觉处理技术，是模式识别和图像分析的基础，准确的图像分割，能将图像中的有效信息尽可能的抽取出来，进而使高层次的图像理解变为可能。随着计算机的发展和应用，目前图像分割在医学、交通、工业自动化以及视频图像处理等方面得到了广泛的应用。总而言之，图像分割具有重要的研究意义，图像分割的好坏与否，将直接影响到后续的图像处理。介绍了当前常用的图像分割算法，并分析和比较了它们的优势和不足。重点介绍了视觉显著模型和基于图割的图像分割方法。视觉显著模型可以很快的识别出图像中的显著区域，但无法准确的将图像中的显著区域完全从图像中分离出来。基于图割的图像分割算法利用了能量最小化框架，具有很快的分割速度和很好的分割效果，但是一般需要在人工交互的情况下才能体现其优势。结合视觉显著模型和图割图像分割算法的优势，给出了一种基于视觉显著模型和图割的图像分割方法，前期利用视觉显著模型获得图像中的显著区域，将这些显著区域信息作为后期图割图像分割中的初始化条件，用以取代用户的交互操作。不仅保持了图割分割算法快速分割的优势，而且还利用视觉显著模型得出的信息实现了全自动的图像分割。通过大量的实验对影响算法性能的多个参数进行了测试，得到了较为满意的参数组合。同时，对比了基于图割的图像分割算法，在具有相似的分割结果情况下，基于视觉显著模型和图割的分割算法是一种全自动的分割算法，且具有较好的分割性能和较快的分割速度。