树种识别与分类是林学研究和林业生产经营中的重要基础工作。传统的树种识别和分类方法一般是专家通过观察测量采集的标本以获得树种局部的外部特征数据,然后依据树种分类检索表对欲鉴定的树种依序逐条检索,得到树种所属的科、属、种。随着图像处理和计算机视觉技术的迅速发展,模式识别技术已得到广泛应用。图像分割是计算机视觉的关键问题之一。由于传统的分割方法本身的局部性,难以满足复杂图像分割的需求,正是因为有了这种需求,出现了基于活动轮廓线模型的图像分割方法。基于几何活动轮廓线模型对拓扑结构变化处理非常自然,解决了基于参数活动轮廓线模型难以解决的一些问题,而且水平集方法的出现,很大程度上推动了基于几何活动轮廓线模型的发展。本研究以栗属树种的果实为范例,拟将该技术用于栗属树种的自动识别,从而降低工作强度,提高工作效率。本文研究了基于水平集方法的图像分割。在分析国内外研究现状的基础上,详尽讨论了曲线演化理论和水平集方法。由于传统水平集方法在曲线演化过程中须重新初始化,以使它保持或接近符号距离函数,从而导致曲线演化速度缓慢,本研究采用无须初始化的快速水平集算法,大大简化了计算过程。另外,因受光源等条件的影响,原始的栗属图像存在阴影,且栗属植物目标图像与其阴影之间的差异较小,应用水平集算法时,如果用零水平集包住栗属目标及其阴影,则必然导致零水平集在图像的阴影区域停止,得到了栗属目标及其阴影的分割区域。本文提出交互式水平集算法,通过人机交互选择阴影区域中的少数点,实现栗属树种果实图像的分割,取得了较好的效果,解决了传统水平集算法存在的问题。对分割得到的栗属图像的目标区域,应用不变矩和边界矩提取形状特征算法提取图像形状特征,构成特征矩阵,并将支持向量机对栗属树种的果实进行分类。实验结果表明基于支持向量机的栗属图像分类能够获得较好的结果,其识别准确率为87.5%。提出了基于图像的栗属树种分类系统框架,以Java和Matlab相结合,实现了本文相关算法,完成了原型系统的集成,验证了算法的正确性和准确性,效果良好。