树木图像提取是将地面摄影图像中的单株树木与其周围景物分离的技术,可为建筑物的三维重建和影像中的植被检测提供基础数据和技术支撑。提取在自然场景中拍摄的背景具有不确定性的树木图像,是一项探索性很强的工作,具有重要的实用价值和现实意义。本文以建筑物影像树木遮挡分割为研究背景,结合Matlab软件编程,进行树木图像提取的分割技术研究。该研究综合性较强,涉及到阈值分割、边缘检测、区域分割等基础分割方法以及综合各种去噪和优化方法得到的一种新颖的树木图像分割方法,这种方法利用了颜色特征、空间拓扑关系和关键特征比值,并使用无边缘活动轮廓模型CV优化树木提取效果,其中空间拓扑关系和关键特征比值是本文提出的一种适用于树木分割和提取的新的去噪方法。本文的研究内容主要有以下三个方面：图像分割基础方法在树木遮挡分割中的应用研究。图像分割方法可以分为四大类：阈值分割、聚类算法、边缘检测、区域分割。本文用经典的图像分割方法：Otus、CV模型、归一化分割Ncut、Gabor滤波器的方法对建筑物影像中的树木进行分割实验,并利用Kappa系数对上述方法的实验效果进行了精度评定。基于颜色特征、空间拓扑关系和关键特征比值的树木图像分割方法研究。在CIE L*a*b色彩空间中,本文提出利用Otsu阈值分割方法实现a和L两个通道图像的分割,初步得到一个包含树木所在区域的分割结果；针对伪识别“树木”区域的消除问题,本文提出了结合空间拓扑关系和关键特征比值提取算法,可以进一步剔除数学形态学算法无法过滤的噪声,实现树木的整体分割；本算法采用ISODATA聚类算法获取自适应阈值,并具有较好的实验结果；本文进一步提高了原有算法的适用范围,还可以成功提取地面近景秋冬季的枯黄树木。此时得到的分割结果还可以通过无边缘活动轮廓CV模型进行优化处理。基于CV模型优化树木提取方法的研究。CV模型通过寻找使能量泛函取得最小值时对应的闭合曲线,来找到划分内部区域和外部区域的轮廓。单独使用CV模型提取树木图像,最终将图像分成两部分区域,由于不能有效地区分出树木和背景,也就不可避免的将非树木区域归并到树木所在区域。因此,仅使用CV模型并不能成功提取影像中的树木区域,效果很差。本文通过基于颜色特征、空间拓扑关系和关键特征比值方法的结合,得到影像中树木所在的大致区域,在此基础上,利用CV来精确提取树木的轮廓线,通过实验结果可以看到这是可行的。