针对GrabCut基于像素建立图模型并进行迭代求解耗时的特点，提出了一种新的基于SLICO改进的GrabCut分割新算法。首先用户在图像目标区域手动划定一个矩形框，然后在CIELab颜色模型下利用SLICO算法将图像预处理成内部颜色一致的超像素图，利用这些超像素来构建图模型，并用这些超像素均值迭代估计高斯混合模型（GMM）参数。在参数估计中，采用背景区域优化技术，显著减少迭代时的节点数量，并减少矩形框外颜色的干扰，最后利用最小割（min-cut）算法求得图模型的最优分割。实验结果表明了该算法在精度和速度上都有很好的性能。