1.一种图像分割方法，其特征在于，所述方法包括下述步骤：S100、对待分割图像提取超像素并获取超像素的区域中心点；

S200、利用已标记样本点对超像素的区域中心点进行标记；

S300、利用超像素的区域中心点的标记，对所有未标记样本点进行标记，以实现图像分割。

2.根据权利要求1所述的方法，其特征在于，优选的，所述步骤S200进一步包括下述步骤：S201、以超像素的区域中心点和待分割图像上的已标记样本点共同作为图的顶点，以所述节点之间的相似性为边的权值构造第一无向加权图；

S202、基于第一无向加权图，对每个节点，保留与其相连的M条权值最大的边，删掉其余与其相连的边，获得第二无向加权图；M为设定值；

S203、对第二无向加权图，采用基于图的半监督学习算法，利用已标记的样本点获得超像素的区域中心点的标记。

3.根据权利要求1所述的方法，其特征在于，所述步骤S300进一步包括下述步骤：S301、利用已获得的超像素的区域中心点的标记信息，计算每个未标记样本点和超像素区域中心点之间的相似性；

S302、选择一个未标记样本点，统计其与超像素区域中心点相似性最大的前K个超像素区域中心点的标记信息，依据前K个超像素区域中心点的类别信息来判断该未分类样本点的类别信息；

S303、判断所有未标记样本点是否被标记完；若是，则执行步骤S304；否则执行步骤S302；

S304、图像分割完成。

4.根据权利要求1所述的方法，其特征在于，所述超像素的区域中心点通过简单线性迭代聚类算法进行提取。

5.根据权利要求2所述的方法，其特征在于，所述步骤S203中基于图的半监督学习算法选择标签传播算法。

6.一种图像分割系统，其特征在于，所述系统包括下述模块：预处理模块，用于：对待分割图像提取超像素并获取超像素的区域中心点；

第一标记模块，利用已标记样本点对超像素的区域中心点进行标记；

第二标记模块，利用超像素的区域中心点的标记，对所有未标记样本点进行标记，以实现图像分割。

7.根据权利要求6所述的系统，其特征在于，所述第一标记模块进一步包括下述单元：第一无向加权图构造单元，用于：构造第一无向加权图；所述第一无向加权图以超像素的区域中心点和待分割图像上的已标记样本点共同作为图的顶点，以所述节点之间的相似性为边的权值；

第二无向加权图获取单元，用于：对所述第一无向加权图的每个节点保留与其相连的M条权值最大的边，并删掉其余与其相连的边，以获得第二无向加权图；M为设定值；

第一标记单元，用于：对第二无向加权图，采用基于图的半监督学习算法，利用已标记的样本点获得超像素的区域中心点的标记。

8.根据权利要求6所述的系统，其特征在于，所述第二标记模块进一步包括下述单元：节点获取单元，用于：用于区别已标记样本点、未标记样本点，输出给计算单元用于计算；首次获取的已标记节点为超像素的区域中心点；

计算单元，用于：计算每个未标记样本点和已标记样本点之间的相似性，并排序获取相似性最大的前K个未标记样本点；

第二标记单元，用于：依据每个超像素的区域中心点类别信息来判断该未分类样本点的类别信息。

9.根据权利要求7所述的系统，其特征在于，所述超像素的区域中心点通过简单线性迭代聚类算法进行提取。

10.根据权利要求7所述的系统，其特征在于，所述第一标记单元中所述基于图的半监督学习算法选择标签传播算法。