当前,精细农业、精准农业思想的提出为农业的发展开辟了新的空间。高新技术应用于农业生产对于降低农作物生产成本、增加农作物产量、提高农产品质量并在生产中减少对环境的污染具有重要意义。植物根系图像的提取为以上研究提供数据和技术支持,是以上研究的重要基础内容。植物根系本身的复杂性和根系周围环境的多样性同时使得根系图像提取成为一项复杂的、极具挑战性的工作。因此,复杂背景下植物根系图像提取的研究具有重要的理论研究意义和实用价值。本课题利用计算机视觉技术结合图像处理的方法实现对复杂背景下植物根系图像特征的提取,完成从自然场景中拍摄得到的图像中分离出植物根系,以及对植物根系进行特征参数抽取。它的研究实现将进一步为农林业的发展以及相关研究部门、技术工作者提供准确的数据支持和高效的观测手段。课题研究的主要内容是:研究已有的图像分割算法以及应用新的技术和方法,对复杂背景下植物根系图像进行分割,观察并对比分析实验结果,得出最佳的实践;在已有的可以对简单背景下植物根系特征参数进行提取的原型系统的基础上,进行复杂背景处理功能扩展、支持系统便携使用功能扩展、系统加密功能扩展,使之能能够在实际中得到应用。本文综合对比分析了阈值分割法、边缘检测法和区域分割法三种传统的图像分割方法应用于复杂背景下植物根系图像分割的情况。提出一种结合Spiking神经网络与传统图像分割法对根系图像进行分割的方法。研究中对多幅自然场景下拍摄得到的原始图像应用传统的图像分割方法和结合SNN的方法分别进行提取,并对提取成功率、提取速度和人工交互量进行统计和分析。得出结论:单一使用传统的图像分割方法算法相对简单,提取速度也相对较快,但提取的成功率低,不能达到理想的效果;结合SNN的图像分割方法相对复杂,提取速度相对较慢,并且需要少量的人工交互,但是提取的成功率高,能够应用于实际。最后基于本课题的研究成果设计并实现了一套实用的根系分析系统软件。