图像分割技术在交通领域中的桥梁裂缝检测、智能车辆导航、红外行人检测等多方面具有广泛的应用前景，是近年计算机图像处理领域备受关注的前沿方向和研究热点。图像分割技术包括了图像去噪、图像增强、图像分割等方面的内容，由于图像在采集和传输过程中引入的噪声、采集场景亮度低、光照不均等特点，研究普适性强、可靠性高的图像分割技术成为一个具有挑战性的难题，受到学术界广泛关注。为了克服噪声、光照不均等带来的影响，本文借鉴人眼视觉感知特性，围绕图像具有的本质模糊特性，深入研究了基于多通道视觉特性的图像去噪、基于对比度拉伸灰度与基于人眼色彩感知特性的彩色图像增强、基于模糊信息熵的快速图像分割方法，最终形成了一套基于人眼感知特性和模糊理论的图像分割方法。在图像去噪方面，针对现有方法“过扼杀”细节系数、“过保留”噪声系数等问题，考虑局部区域距离因素及轮廓连续性特征，定义基于扇形的具有旋转不变特性局部方差，提出一种新的基于局部方差的模糊小波去噪方法。实验结果表明该方法降低了边缘轮廓模糊程度，取得了较好的去噪效果。在图像增强方面，针对传统Beta函数图像增强方法的不足，通过引入增强算子和形状控制参数定义新的广义Beta函数，并给出增强算子与参数的自适应选取机制，实现了灰度图像的自适应增强，突显了图像的细节轮廓信息。另一方面，考虑人眼对色彩感知非线性特征，利用Weber-Fechner定律建立对人眼对H、S色彩通道的感知模型，改进直方图均衡化算法，提出基于人眼感知特性的彩色图像增强方法，有效地消除了图像颜色“失真”现象，增强了图像的细节信息。在图像分割方面，针对数字图像本质上具有的模糊特性，定义了新的模糊Renyi熵，提出了一种新的基于模糊熵的图像阈值快速分割方法，该方法实现了图像的精确分割，满足处理的实时性要求。综合上述研究成果，最终形成了一套基于人眼感知特性和模糊理论的图像分割方法，并在交通领域中桥梁裂缝检测、智能车辆导航、红外行人检测进行了应用实验验证。实验结果表明：提出的算法能够有效地消除噪声的影响，增强图像细节信息，算法普适性强，具有重要的应用价值。