荔枝是一种具有岭南特色的水果，提高荔枝的采摘效率是提升岭南地区的特色水果质量、降低成本的重要途径。农业收获机器人的应用是提高荔枝采摘效率的有效途径之一，但实际情况中存在障碍物多、采摘数量大等特点。目前我国荔枝的采摘无法实现真正的机械采摘，特别是在自然场景下荔枝图像分割一直难以解决问题。因此，利用机器视觉和模式识别新理论和新方法，解决荔枝图像分割问题，为荔枝采摘区域定位提供重要条件。　　 本文以自然场景中的荔枝图像为研究对象，研究自然场景下荔枝图像的分割特征，并优化特征，改善和创新分割算法，从而提高自然场景下荔枝图像的分割效果，为荔枝采摘机器人实用化中的图像处理技术水平具有重要的理论意义和实际价值。主要研究工作为：　　 (1)研究荔枝图像RGB或HSV颜色空间的特点，通过试验分析对比，选择HSV空间的H分量为图像分割的分割特征，并对H分量进行旋转预处理，提取分割特征，更好的凸显出分割目标，不仅减小了光照不均匀对果实及其枝干的影响，也对后续的识别采摘点的工作起到举足轻重的作用。　　 (2)研究常用的图像分割算法，采用阈值分割和区域生长分割算法，结合自适应阈值和直方图峰值，对自然场景下荔枝图像进行自动分割，对比分析试验结果。从中找出常用分割算法存在的不足，并提出了改善荔枝图像分割算法的途径，为改进新的图像分割算法或寻找新理论和新方法提供基础条件。　　 (3)研究模糊聚类分割算法，利用模糊C-Mean聚类算法对自然场景下荔枝图像进行自动分割。针对基于模糊C-Mean聚类的荔枝图像分割算法，只利用荔枝图像的颜色特征，缺少空间特征的约束，从而得不到完整的荔枝轮廓，采用Markov随机场空间约束对聚类的图像进行空间特征的约束，得到很好的分割结果。试验结果分析表明：由于该分割算法结合了模糊C-Mean聚类和Markov随机场空间约束各自优点，能够分割出更完整的荔枝轮廓，且具有较高的鲁棒性。　　 (4)针对模糊聚类等分割算法分割荔枝时，运算量较大，运行效率低，满足不了实时性的需求的特点，本章研究稀疏场水平集分割算法，利用稀疏场水平集算法对荔枝图像进行自动分割，不仅得到较完整的荔枝轮廓，而且具有很高的抗噪性、鲁棒性。为了进一步提高算法的实时性，本文提出了新的荔枝图像快速分割算法，该算法首先利用H分量直方图，选取最优阈值，分割出二值图像，将此作为初始演化曲线，为稀疏场水平集算法提供初始条件，然后利用双链表方法实现稀疏场水平集算法对自然场景下荔枝图像进行快速自动分割，得到了理想的分割结果。该算法不仅能够在很短时间内完成荔枝图像分割，而且具有很高的正确率。　　 (5)利用形态学和霍夫变换理论，并结合本文前面提出的分割算法分割的结果，提出一种新的荔枝枝干分割算法，首先统计分析分割出的图像HSV颜色空间中H分量直方图的特征，找出枝干与果实的最佳分割点，并利用阈值分割，得到二值化图像，然后采用形态学滤波去除部分干扰，并对枝干区域进行标记，最后利用霍夫变换对标记的区域进行圆拟合，找出一组圆心，从中提出中值进行标记，得到很好的枝干分割结果，并对枝干的特征点进行了标记。该算法不仅初步解决自然场景下荔枝图像分割问题，而且为后续获取荔枝采摘区域的空间信息提供了研究基础。　　 (6)在前面算法研究的基础上，本章利用Microsoft Visual C++2008和Matlab7.10编程实现荔枝图像分割算法以及荔枝枝干分割算法，研制了软件应用系统，并详细描述了系统的功能与操作，为荔枝采摘的实际应用打下良好的基础。