图像分割是将图像分成互不相交、各具特性的区域并能提取出感兴趣目标的过程和技术，是从图像处理到图像分析的关键步骤，其分割质量直接影响到后期的图像分析、理解和识别的质量。图像分割在医学、体育、军事、智能交通、工业产品检测、计算机视觉都有广泛的应用。近年来，人工交互的图像分割算法由于其突出的优势受到了研究人员的广泛关注，随机游走(Random Walks)是一种典型的基于图论的半自动分割算法。随机游走图像分割算法运算速度快，分割结果好，特别是在处理含有强噪声的图像、弱边界或缺失边界、有模棱两可的区域时显示了突出优势，因此，随机游走是一种有效的图像分割算法，近年来也取得了一定的研究成果。本文对基于随机游走的图像分割算法进行了较为深入的研究，主要开展了以下几个方面的工作：1)基于降雪模型的改进随机游走算法为了减少噪声对图像分割结果的不利影响，引入了模拟降雪的思想来对图像进行预处理。用数字自适应高斯核来实现简单的降雪模型，即根据图像的特征信息来不断调整核函数的大小、方向和形状，实现自适应的曲面进化，从而达到在不损失丰富的边缘信息又能很好地抑制噪声的预处理目的。同时，考虑到传统的随机游走算法是根据图像的灰度信息来计算映射图的边的权重，因此其在处理复杂图像时，易造成一些错分割和漏分割现象，而新方法在计算边缘权重时融入了图像的梯度信息，以提高算法的鲁棒性。2)基于支持度变换的随机游走算法将支持度变换与随机游走图像分割算法相结合，提出了一种改进的随机游走算法。在支持向量机的理论框架下，先由映射最小二乘支持向量机(map LS-SVM)推导出支持度滤波器，再在基本支持度滤波器中填充零而得到一系列多尺度支持度滤波器，然后将原图像与这些支持度滤波器进行卷积运算(即为支持度变换,Support ValueTransform, SVT)，这样就得到原图像的显著特征的一系列图像，最后综合图像的灰度信息和这些显著特征来确定随机游走算法的权值大小，从而实现图像分割,提高了算法的准确度。3)基于模糊C均值聚类的自动标记随机游走算法为使随机游走算法能使用于实时性要求较高的场合，提出一种基于模糊C均值聚类的自动标记随机游走算法,用FCM的预分割得到的聚类数目和聚类中心作为随机游走的种子点的先验知识，实现图像分割，从理论上和实验都可以证明这一方法的有效性。本文结合降雪模型的显著优势，针对图像中的强噪声，提高了算法的抗噪性能，结合了支持度变换，提高了算法的抗噪和检测弱边界的能力，用FCM来选取随机游走的种子点，实现算法的自动分割，实验结果表明了新方法的优越性，研究有助于随机游走图像分割算法的进一步发展。