图像分割是图像处理和图像分析中的关键步骤,分割的目的是提取图像有意义的区域。图像分割问题的典型定义就是如何在图像处理过程中将图像中的一致性区域和感兴趣对象提取出来,为进一步的后续处理做准备。提取目标区域的精确度也会直接影响后续的处理过程,所以在图像中占有重要地位。图像由于受到诸如光照变化、阴影、背景噪声等外界因素影响,现有的图像分割方法并不令人满意,过度分割和欠分割的情况通常存在。本文以近几年提出的信号变换技术——曲波变换为研究背景,主要研究了基于图像增强的JSEG(J measure based SEGmentation)图像分割方法和基于多尺度马尔可夫随机场的图像分割方法。由于曲波变换的图像增强效果优于小波变换,将其应用到彩色图像中并对JSEG算法进行改进,抑制噪声,加强图像的边缘等重要信息,并将其与传统的JSEG算法进行比较分析,实验表明该方法在一定程度上克服了JSEG算法中出现的过分割和欠分割的情况。在基于多尺度马尔可夫随机场的图像分割算法改进中,研究多尺度分析方法,利用曲波描述每一尺度的特征。针对其分割方法中还存在的缺陷进行改进,利用改进后的聚类算法作为初始分割,加入权重参数,平衡标记场和特征场的能量。最后本文通过标准的BSD300图像库中的300张彩色图像以及对应的人工分割图对改进后的多尺度马尔可夫随机场分割算法与几种分割算法进行实验分析,包括主观分析、定量分析、抗噪性能分析等。实验结果表明,本文提出的改进算法分割提取出的区域更具有语义特征,更符合人工分割的效果。