将图像分割为内部特征或属性相似的若干区域，同时这些区域之间存在显著差异的技术称为图像分割[21]。国内外学者专家经过40多年的深入研究，提出了数十种红外目标分割方法，主要有基于边缘的方法、区域生长的方法、阈值法和特征聚类算法等。84181

基于边缘的方法主要是通过边缘检测算子，对图像特征不连续的点进行检测。

阈值法由于具有实现简单，自适应性强，速度快等优点，在灰度图像目标分割中应用最为广泛，几乎所有的分割算法都离不开阈值的划分。常见的阈值分割技术主要包括：(1)基于直方图灰度分布的阈值法；(2)基于类间方差的阈值法；(3)基于熵的划分；(4)基于属性相似度的划分；(5)基于空间位置的阈值法；(6)局部自适应阈值法。

特征聚类算法主要是利用图像和特征空间之间的映射关系，对特征空间中的点进行聚类来实现图像分割。目前，主要的聚类分割算法有：K-均值/C-均值、ISODATA、均值漂移、Competitive Learning、Multi-scale Clustering 以及图论等[22]。

近年来国内外学者提出了许多新的目标分割算法，Hou等人提出了一种基于最小化类间方差的方法[23]；白杨等人提出了基于知识的目标分割方法[24]；张鹏辉等人提出了基于视觉认知的红外目标分割算法[25]；王潇晨等人在meanshift滤波和蚁群聚类的基础上提出了一种复杂红外目标分割方法[26]。