图像分割是指将图像根据某种属性分为几个相互独立并假定为均质的子区域，从而获取感兴趣的区域或目标物体的技术或过程。与单色图像相比，彩色图像包含的有效信息更加丰富：色调、饱和度、亮度。目前描述颜色空间的模型多达上百种，但在图像处理工作中不存在一种空间适合于全部类型的彩色图像，故在彩色图像分割研究中根据实际问题选择最优的颜色空间是一个难点。本文设计了一种基于析取正态水平集的彩色图像分割算法，主要工作如下：　　首先，在分析国内外彩色图像分割研究现状的基础上，研究了图像分割中广泛使用的水平集方法的基本理论、水平集函数和传统的CV模型。通过将k-means算法和HSV色彩空间相结合的方法，改进图像分割中传统CV模型的水平集演化函数，设计了一种新的彩色图像分割算法。通过对标准图像库Berkeley库中的图像进行分割实验，并与传统的CV算法和GMRF-CV算法对比，改进后的算法在分割的准确性上有明显提高，时间性能较GMRF-CV算法有很大的优势。　　其次，在研究现有析取正态水平集(DNLS)模型的基础上，将其与HSV色彩空间相结合，设计并实现了一种新的析取正态水平集模型，使该模型的应用范围由原来的简单合成图像和灰度图像扩展到背景复杂、色彩鲜明的彩色图像中。通过对标准图像库Berkeley库中的图像进行分割试验对比，其分割效果准确性良好，时间性能较传统的CV算法和GMRF-CV算法有极大优势。　　本文设计的改进析取正态水平集算法无需重新初始化和额外的惩罚项，能快速收敛，具有优良的时间性能和更好的分割效果。可以将其应用到花卉图像分割中，为设施花卉的自动化生产提供必要的参数；也可为图像识别、机器视觉等工作提供前处理支持。