1.一种基于超图谱分割的图像分割方法，其特征在于，包括如下步骤：

图像预处理步骤：基于给定的图像，采用至少两种过分割方法分别对图像进行过分割，其中，每种过分割方法将图像分成若干个子区域，将每个子区域作为一个超像素，从而获得图像的多个过分割超像素集合；

图像超像素合并步骤：基于图像预处理步骤中获得的多个图像过分割超像素集合，通过迭代的方式两两求交集，最终得到合并超像素集合；

超图模型生成步骤：利用合并超像素集合中的超像素表示超图顶点，并以每种过分割超像素集合中的超像素和合并超像素集合之间的关联性构建超边，将与每个超边相关的过分割超像素的权重累加之和作为超边的权重，从而形成超图模型；

超图谱聚类步骤：基于生成的超图模型，通过超图谱聚类方法将超像素聚类，从而得到图像的分割结果。

2.根据权利要求1所述的基于超图谱分割的图像分割方法，其特征在于，所述图像预处理步骤中的过分割方法包括：Kmeans分割方法、Meanshift分割方法、基于轮廓检测的层次分割方法和多尺度归一化图割方法。

3.根据权利要求1或2所述的基于超图谱分割的图像分割方法，其特征在于，图像超像素合并步骤中所述迭代的方式两两求交集表示为：I＝((((S1∩S2)∩S3)∩S4)…∩SM)，其中，I表示合并超像素集合，S1…SM分别表示由M种过分割方法生成的过分割超像素集合。

4.根据权利要求1或2所述的基于超图谱分割的图像分割方法，其特征在于，所述超图模型生成步骤中构建超边的过程为：如果合并超像素集合中的超像素是过分割超像素集合中超像素的一部分，则形成一条超边，同时分配数值1给超边关联矩阵，否则分配数值0。

5.据权利要求1或2所述的基于超图谱分割的图像分割方法，其特征在于，所述通过超图谱聚类方法将超像素聚类的过程为：求解超图拉普拉斯矩阵的特征值和特征向量后，利用kmeans聚类算法将超图最优分离。