图像分割是将图像划分为有意义的若干区域或部分的图像处理技术,是计算机视觉和目标识别的重要组成部分,其结果已被广泛用于智能交通,图像检索,生物医学等领域。分割质量的好坏,直接影响到对图像的进一步处理。基于均值漂移(Mean Shift)算法的图像分割是一种区域分割方法,此方法与人眼对图像的分析特性极其相近,具有很强的适应性和鲁棒性。但在图像分割过程中存在诸多待解决的问题,如过分割与欠分割问题,运行速度问题,分割效率问题等。针对这些不足,论文给出了两种改进的均值漂移分割算法,一是基于颜色纹理的均值漂移分割算法,二是自适应带宽的均值漂移算法。本文的主要工作有：(1)根据纹理图像的分割及自然图像中目标识别的要求,结合Gabor变换和均值漂移算法,提出一种基于颜色纹理的均值漂移改进算法。算法使用小波变换提取纹理特征,结合颜色特征,进行相似性判断,对像素点进行均值漂移的过程加权,有助于像素点对应模式点的有效判断。算法实验结果表明,算法对色彩信息不明显的纹理图像有良好的分割效果,并提高了彩色图像分割结果的准确性。分割算法应用于大型水上桥梁识别,能够提高桥梁识别率。(2)针对传统均值漂移算法在图像分割时参数确定耗时,工程量大,分割效果不佳的缺陷,根据图像处理中对前期准备工作——图像分割高效、准确的要求,结合图像的直方图,提出一种自适应带宽的均值漂移分割算法。利用图像的直方图估计出图像的概率密度,并对每个像素点根据其周围特征以及概率分布计算其带宽值。分割结果表明,改进算法有效改进了固定带宽均值漂移算法在确定带宽时效率低,分割效果差的缺点。自适应带宽的均值漂移分割算法用于灰度图像利彩色图像分割均取得较好的分割结果。