图像分割是数字图像分析的重要环节,在整个的图像分析中起着承前启后的作用,它既是对所有图像预处理效果的一个检验,也是后续图像分析与解释的基础。因此,过去的四十多年里,图像分割技术一直广泛的受到人们的重视,研究者提出了数以千计的不同算法。虽然这些算法在不同程度上取得了一定成绩,但是图像分割问题还远远没有解决,仍然面临着严峻的挑战。本文在阅读大量相关文献的基础之上,对归一化割准则(Normalized Cut,NCut)进行研究,提出了改进的基于图谱理论的图像多阈值分割技术。通常所用的NCut算法都是以图像中的像素点为节点创建无向带权图,在该无向图的基础上产生的是一个N×N维的权值矩阵,其中N是图像中像素的个数,当图像非常大时算法的时间复杂度必然很大。为了克服这一问题,本文提出了基于NCut准则和图像二维直方图的图像多阈值分割方法。该方法的主体思想是:在图像的二维灰度直方图的基础之上利用K-均值聚类分析法对图像进行预分割,将预分割得到的小而连续的区域作为节点创建无向带权图。在该无向图基础之上产生的权值矩阵的维数将远远小于N×N从而大大减小了算法的时间复杂度和空间复杂度。文中最后介绍了算法的仿真实现并最终给出了相关的实验结果。