摘要：传统的Grab Cut图像分割方法大多基于图像的像素值建立图模型,未考虑到彩色图像中丰富的纹理信息。为此,提出一种新的Grab Cut模型图像分割算法。对比基于结构张量的Grab Cut分割方法和传统Grab Cut分割方法的结果,利用结构张量和像素值构建紧缩的结构张量。为提高计算的简洁性和高效性,将Grab Cut方法构建的混合高斯模型扩展到张量空间,并用Kullback-Leible散度代替常用的黎曼度量。在合成纹理图像和自然图像上进行的实验结果表明,与Carsten Rother,GACWRF等方法相比,该算法具有更精确的分割效果,不仅实现了纹理信息与颜色信息的无参融合,而且提高了计算效率。