图像分割是图像理解与解译中基本而关键的技术之一，是计算机视觉、模式识别和人工智能领域中的一个重要研究方向，其目的是将给定的图像划分成具有各自特性的互不重叠的同质区域。　　交互式图像分割相对于传统图像分割的最大的优点在于，加入了用户主观的指导，使得过去许多因为数据歧义而很难解决的问题变得定义清晰，再辅以具有针对性的算法，能够高效而准确地解决传统算法耗时长且所得结果粗糙的问题。本文在基于图切算法的基础上研究了三种不同模型的图像分割方法：　　1）研究了基于图切算法的SAR图像分割方法，介绍了一种SAE算法最小化能量。利用最大似然估计法得到初始标号场，然后用最大流最小割方法寻找最小割并得到新的标号场。比较新标号场和旧标号场的能量，决定是否迭代，得到的分割边缘更加逼近于真实轮廓。　　2）研究了基于测地距离的图切算法并用于自然图像分割，在待处理图像的目标与背景区域选取有代表性的像素点作为训练样本，用图像中各个像素点到目标与背景标记点的最短路径对应的最小测地距离，作为判断像素类别概率属性的依据，这样充分利用了像素的空间特征，得到了更好的分割结果。　　3）研究了基于Grab Cut算法的自然图像分割方法，用高斯混合模型取代直方图来描述前景与背景像素的分别，用于彩色图像并能得到非常好的分割效果且可对背景再次编辑。　　本论文工作得到了国家自然科学基金(61072106)、教育部长江学者和创新团队支持计划（IRT0645）以及中央高校基本科研业务费专项资金(JY10000902032)的资助。