针对简单非迭代聚类(SNIC)算法不能较好贴合图像中目标边缘的缺陷,提出了一种多特征非迭代超像素分割(MNSS)算法。在特征提取上,利用高斯卷积在Lab颜色空间上对每个像素点求出其水平和垂直方向的颜色梯度特征,通过对像素点进行腐蚀和膨胀操作,得到像素点形态学轮廓特征,在不丢失梯度特征表示的同时,增强算法边缘命中率。基于SNIC算法非迭代聚类框架,依赖于像素点间的颜色、空间、颜色梯度、形态学轮廓特征的加权距离实现超像素分割。在BSDS500公开数据集上的实验结果表明,在生成相同超像素个数情况下,MNSS算法与主流的5种算法相比,在保证时间复杂度低的同时,有效提升了超像素分割精度。