针对谱聚类算法存在的计算复杂度过高而难以成功应用到较大规模图像处理的问题,提出基于低秩逼近的彩色图像分割算法(Color Image Segmentation algorithm based on Low Rank Approximation,CISCLRA),实现大规模矩阵的快速特征值分解,降低了谱聚类算法的计算复杂度.设计一种将Mean Shift(MS)算法和CISCLRA相结合的图像分割算法——MS-CISCLRA算法.MS-CISCLRA算法利用MS算法对目标图像进行预分割;将每个分割区域内的所有像素的彩色向量平均值作为CISCLRA算法的输入;应用CISCLRA算法进行全局最优聚类.因为分割区域的数目远小于图像的像素点数,所以MS-CISCLRA算法能够以极低的复杂度进行彩色图像分割.实验结果表明,MS-CISCLRA算法能够取得比MS-Ncut算法更好的图像分割效果.