谱聚类判别割（Dcut）计算正则化相似度矩阵及其特征向量比较耗时，对于大规模矩阵特征值问题，隐式重启动Arnoldi方法（IRAM）能够快速收敛到模值最大的k个特征值（即主导特征值）。因此本文采用IRAM算法计算相似度矩阵的主导特征值，减小运算时间。为解决谱聚类敏感于尺度参数的问题，提出利用少量监督样本求取每幅图像特有的尺度参数，进行半监督图像分割。通过对UCI数据集和自然图像的仿真实验表明，本文算法能有效提高Dcut的运算速度，同时性能稳定，分割结果优于Dcut和PCA-Dcut。