树木图像分割是树木可视化重建、树木精准对靶施药等研究的重要环节,对于树木生长态势评价和树木材积率以及森林蓄积量估计具有重要意义。本文对经典图像分割方法、C-V模型、LBF模型及其改进模型进行了理论研究,并应用不同模型算法对树木图像进行了分割实验,具体内容如下:研究了阈值分割法(迭代法、OTSU法、局部阈值法)、边缘检测算子(Canny算子、Sobel 算子、Roberts 算子、Prewitt 算子、Laplacian 算子、LoG-Laplacian 算子)以及区域分割法(种子区域生长法、区域分裂合并法)三类算法的理论,并应用这些方法对树木图像进行图像分割实验,并分析了实验结果。研究了C-V模型理论,基于C-V模型对树木图像进行了图像分割实验,对分割结果进行了分析。研究了传统LBF(Local Binary Fitting)模型的理论,并对弱边缘分割效果不理想的缺陷进行了改进,应用传统LBF模型及其改进算法对树木图像做分割实验,研究了模型参数对基于改进LBF算法的图像分割结果的影响,并通过实验进一步得出其最优参数组,使用该组参数进行多组实验,并与传统LBF模型算法的分割结果对比,验证了该算法的优越性。