对于植物研究来说,仅仅通过相机、无人机和卫星等设备获取的植物图像并不能帮助人类了解植物当前的生长状态,若想获得其中所隐藏的信息,就需要通过图像分割技术来提取感兴趣的目标对象,并对其进行深入地研究。用这种方式就可以有效的获取植物叶片或者花瓣的信息,排除其他物体的干扰。目前,完成图像分割的主要方式之一就是活动轮廓模型。由于植物图像背景较为复杂,且活动轮廓模型自身又存在一些固有的弊端,所以,在此基础上若想实现植物图像的分割就需要对其进行改善,最终使其可以精确的分割目标对象。主要工作如下:(1)基于矢量场的参数活动轮廓模型在提取目标对象时受矢量场的影响,常出现鞍点,静止点等平衡点问题,导致轮廓曲线过早收敛而不能进入目标的凹型部分,特别是深而窄的凹型区域。本文提出了一种融合凹点检测和仿射变换的方法,提高轮廓曲线进入凹型区域的能力。(2)针对参数活动轮廓模型由于初始轮廓曲线不能自动地分裂合并而导致的不能使用一个初始轮廓提取多目标对象的问题。通过融入稀疏表示与分解的理论,改进了基于矢量场的参数活动轮廓模型。该方法不仅使原始参数活动轮廓模型中存在的问题得以成功地解决,而且还增加了分割结果的准确性。(3)虽然几何活动轮廓模型能够使轮廓曲线自动分裂合并,但是其本身受噪声的影响比较大,容易提取不需要的对象,所以更加难以实现对具有复杂背景的植物图像的分割。为了解决这些问题,本文针对先进的双凸模糊变分模型进行了改进。增加该模型对噪声的鲁棒性,而且能够精确的提取感兴趣的目标对象。(4)最后,将改进的活动轮廓模型在植物图像上进行了应用测试,也将改进的模型推广到其他图像,从而验证其稳健的普适性及研究的价值。