传统叶面积指数（LAI）估测不仅过程复杂且具有破坏性，随着信息技术的发展，急需一种适用于现代信息技术的新型叶面积指数测定法，以弥补传统林业调查方法中的不足，基于分割图像的理解技术就是其中重要的解决策略之一。现代林业研究中，快速且有效的提取并分析图像数据中树木信息，对树木深层信息挖掘起着很重要的作用。实际上，从复杂的林木图像中准确的分割出目标植物是很多后续图像研究的关键的问题之一。在众多图像分割方法中，Otsu图像分割法因其计算简单、自适应强，而成为使用最为广泛的图像阈值自动选取的方法之一。然而，由于树木图像的自然性，Otsu图像分割法对林业中冠层图像临界处分割往往存在较大误差。本文结合类间方差以及类内聚度对阈值选取及图像分割效果的影响，改进Otsu法阈值自动选取目标函数，提出了一种同时考虑最大类间方差及最小类内聚度的改进图像分割算法，并且将该改进算法结合到王雪峰等开发的“林业苗木图像分析软件”V1.0中，在Microsoft Visual C++6.0平台开发实现。以银杏人工林内不同郁闭度的冠层图像为例进行分割效果比较，结果表明：（1）对于郁闭度较小的银杏林冠层图像，传统Otsu分割法和本文改进Otsu法得到的分割效果较为相近；（2）对于郁闭度较大的银杏林冠层图像，本文改进Otsu分割法较传统Otsu法可得到更好的分割效果；（3）通过大量的树木冠层图像分割试验，本文的改进Otsu法分割林业中冠层图像是可行的，并且该改进方法较传统Otsu法可得到更好的分割效果。利用林业苗木图像分析软件，采用本文改进Otsu算法，分别对由鱼眼镜头和广角镜头拍摄的两组图像数据进行分割。将分割得到的图像前景像素占总像素的比值作为自变量，以该图像对应的叶面积指数为因变量，进一步拟合了银杏图像信息与叶面积指数间模型，通过两组数据的拟合模型评价和模型检验，结果表明：（1）最终拟合选取的模型能较好的描述冠层图像信息与叶面积指数间的关系；（2）分别由鱼眼镜头和广角镜头获取的两组林冠图像拟合结果相似，实际操作中可以直接采用广角镜头，增加了通用性也节约成本；（3）提出的一种即时无损并快速可靠的叶面积指数估测方法是可行的。