图像分割是图像处理领域的关键环节,在医学图像处理、视频图像处理、遥感卫星图像处理等方面都有重要的应用。在对遥感图像进行预处理的基础上,采用图像分割方法能够有效提取图像中绿色植被的信息,可以探讨我国生态环境建设的应用前景,从而推动我国西部植被恢复和生态环境建设,监测评估荒漠化现状和治沙效果、森林草原防火等林业重点建设。此外还可以清晰直观的观察到城市的绿化现状,方便制定统筹合理的绿化政策,建立环市区的绿色生态环,加强居住区绿化,提高人民的生活质量。　　经典的基于区域的主动轮廓模型是Chan-Vese模型,该模型克服了图像梯度信息对分割结果的影响,具有一定的抗噪声能力。在传统的C-V模型中,利用的是图像的全局范围,具有全局依赖性,而图像信息范围的选择会影响分割性能。因此,本文研究了图像高频分量信息与分割依赖的信息范围之间的关系,并提出了一种基于小波局部能量的C-V水平集遥感图像分割算法。该方法将传统的C-V水平集模型由全局信息依赖型转变成基于小波的局部能量信息依赖型分割方法,提高了对于复杂背景遥感图像的分割准确性。　　此外,C-V模型是一种标量场模型,仅利用了图像的灰度信息,而纹理图像的分割是图像处理中一项难题,对于背景复杂凌乱的图像,得到精确的目标轮廓线更是困难。因此,为了更精确的分割纹理图像,需要将图像的纹理特征集成到C-V水平集模型中。针对这一问题,本文提出了一种基于水平集的绿化区域分割方法。首先,使用Gabor小波变换提取图像本身的纹理特征;综合使用颜色先验知识和目标纹理共同约束水平集函数的演化,并使用松弛法保证其能量泛函的凸性,最终更加合理的选择了驱动能量的有效范围,实现对遥感图像中绿化区域的有效分割。实验证明,该方法能更真实有效的反应目标的整体结构,具有较高的分割精度。