随着信息高速公路、数字地球概念的提出以及Internet的广泛应用，图像信息已成为人类获取和利用信息的重要来源和手段。图像分割正是图像信息处理、计算机视觉领域一个重要而基本的问题。现在已经有了许多较好的图像分割技术，但仍然无法满足某些情况。因此，图像分割技术仍然需要发展和提高。本文在研究了许多成熟的分割技术的基础上，提出了自己的见解。 本文首先提出了一种基于DIS边缘检测和自适应边缘生长的图像分割方法。该方法通过DIS进行边缘检测，产生了比梯度算子、Sobel算子等更完全的边缘信息。为了解决伪边缘及不连续点的问题，提出了自适应的边缘生长方法，较好地解决了该问题，连接了不连续边缘点，产生了边缘点集组成的闭合轮廓。最后，通过区域生长和合并，防止了生长时出现泄漏现象，进一步去除伪边缘，得到了最终的分割结果。该方法是边缘检测、边缘生长、区域生长等分割技术的有机结合。 本文提出的第二种分割方法是一种基于AEP和K主曲线的。主曲线是第一主成分的非线性推广，强调寻找通过数据分布的“中间”，并满足自相合的无参数光滑曲线，这些曲线给出了数据的概貌。目标物的轮廓是一些形态多样闭合曲线，主曲线具有能真实地反映数据的形态的特性。该方法首先将腐蚀传播算法和区域生长型分水岭方法相结合，标记出图像中不同物体，并产生初始边缘：然后，用K主曲线多边形线算法进行边缘点连接。 最后文中分别给出了这两种分割方法的实验结果和分析。经我们的实验表明，这两种图像分割方法都能获得很清晰可靠的分割效果，提供精确的目标轮廓线。