红松是我国珍贵的树种,其经济效益非常可观。为了更好的保护红松和提高红松球果的产量,应该采用现代化的信息手段对红松的结实量进行预测研究。本文主要研究的是关于红松的球果和雌雄花的图像分割问题,因为在红松结实量的预测方法中,红松球果和红松雌雄花的数量及形态特征是主要参数,这些特征的精确程度会直接影响最后的预测结果。本文根据红松球果和红松雌雄花两种图像的不同特点,分别采用Snake模型和GVF Snake模型对两种图像进行图像分割和边缘提取,最终为红松结实量的预测方法提供了精确的数据支持。本文关于红松球果和雌雄花的图像分割研究的主要内容简介如下：首先对主要的图像分割技术进行深度的解析,根据红松球果和红松雌雄花图像的特征选择相适应的图像分割技术进行仿真实验。通过对实验结果的分析,发现参数活动轮廓模型在进行红松球果及雌雄花的分割上效果较好,但是仍有不足之处,因此我们需要对参数活动轮廓模型进行改进。经过分析,发现影响分割效果的主要原因是初始轮廓的选取问题和能量函数方程的结构问题。然后针对初始轮廓的定位问题参考了大量的文献,最终选择了具有优化能力的蚁群算法进行初始轮廓的选取和优化。利用蚁群算法的全局性和鲁棒性的优点获得的初始轮廓不仅精确完整,而且初始轮廓的结点分布合理,这就为参数活动轮廓模型进行图像分割提供了精确的初始轮廓。最后用改进的Snake模型对红松球果的图像进行图像分割的仿真实验,并且比较实验结果的有效性；再用改进的GVF Snake模型对红松雌雄花的图像进行边缘提取,仿真实验的效果达到了项目的要求。红松球果和红松雌雄花图像进行图像分割的具体的情况如下：第一,在对红松球果图像进行图像分割时,针对其背景相对复杂,边缘凹陷等特点,提出了一中基于蚁群算法改进的Snake模型的图像分割算法,克服了传统Snake模型的缺点,最终得到完整的目标对象。仿真实验证明了算法的有效性和精确度。第二,在对红松雌雄花图像进行图像分割时,因为其背景复杂,目标对象边缘凹陷程度较大的特点,提出了一种基于蚁群算法改进的GVF Snake模型的边缘提取算法,克服了传统GVF Snake模型外力场的缺点。利用蚁群算法确定的始初轮廓更接近目标对象,这样可以减少迭代次数,从而提高计算速度,而且还能扩大捕捉范围,对于凹陷的部分能精确的提取。仿真实验证明了算法的有效性和精确度。