将野外自然环境下采集的紫色土视觉图像,对研究目标——紫色土区域图像高质量地分割出来,可有效避免背景对机器视觉识别紫色土土壤类型的影响,故首要工作为紫色土图像中目标紫色土区域的分割和提取。本文通过分析紫色土图像中前景像素值在RGB空间的分布特性,通过选择特征并基于该特征进行自定义测度的构建,基于自定义测度和密度峰值优化模型进行初分割,后处理算法消除背景离散区域和填充前景空洞区域实现紫色土图像的最终分割与提取;改进自定义测度并结合灰度连通密度聚类算法,使得紫色土图像的分割提取结果优于改进算法之前的结果。本文主要工作如下:(1)本文首先利用在RGB颜色空间像素值分布特点,计算其多维随机变量条件概率,通过建立优化模型提取颜色特征值的边界,结合分段函数自定义分割测度;然后,使用自定义的分割测度建立基于密度峰值思想的优化模型,通过两次迭代差异最小化优化局部分割阈值,从多个局部分割阈值中利用类内方差最小化模型获得优化的分割阈值,实现紫色土图像初分割;最后,以像素四邻域连通标记递归算法标记包含空洞的紫色土区域图像的连通区域以消除初分割结果中背景离散区域。同理,标记背景连通区域以填充紫色土区域图像空洞实现图像中紫色土区域提取。最终通过实验验证了紫色土图像土壤区域完整分割的可行性。(2)针对上述自定义测度没有考虑映射关系的唯一性问题,本文结合分段线性映射关系和邻域累积概率均值处理对其进行改进,以选择特征三通道均值最大值倍数为总映射区间,三通道均值及均值之和作为区间节点,在最大化边界条件下将紫色土彩色图像像素值进行一对一映射,且利用邻域累积概率均值处理使得改进测度保持了一定的相近特性。针对密度峰值优化模型没有考虑像素之间的空间信息,本文利用灰度值及其动态边界对灰度连通密度进行改进,建立最大化聚类优化模型迭代选取最优聚类中心,实现基于灰度连通密度聚类的紫色土图像初分割。同理削除背景离散区域和填充目标空洞区域实现紫色土图像的最终分割。计算综合评价指标F1、调整的兰德系数(ARI)和归一化互信息(NMI)评价分割提取结果,结果表明改进测度和分割方法平均分割精度优于改进前的分割方法。