图像分割是将具有相似特征区域进行划分并提取感兴趣目标的技术，图像分割是图像理解与识别的前提。基于PDE(Partial differential equation)的主动轮廓模型(ACM,Activecontours model),利用曲线演化理论和水平集方法，既能利用底层的图像数据信息，又能结合高层的目标先验知识，对自然场景图像具有广泛的适应性和扩展性。分数阶微积分是整数阶微积分的拓展，其在图像处理领域中的应用研究正方兴未艾，目前仅取得一些初步研究成果。本文将分数阶微积分理论引入到ACM，对分数阶ACM图像分割算法进行研究。在广泛阅读国内外最新理论与实际研究成果的基础上，对主动轮廓模型进行了系统的分类与综述，并阐述了分数阶微积分的各种定义、分数阶掩模算子的设计、应用等。结合分数阶微分算子与主动轮廓模型，提出并实现几种分割模型的改进算法，并在杂草图像应用中取得了满意的效果。主要工作如下：一、基于分数阶微分的主动轮廓模型。经典的CV(Chan-Vese)模型只利用了均匀区域信息，对弱边缘与空洞图像分割时，主动轮廓不能有效地收敛到预期的边界处并提取出所有目标轮廓。而GAC(Geodesic active contours)模型利用梯度与曲率检测边缘，只利用边缘局域信息，很难处理模糊和离散边缘，且对噪声敏感。针对CV与GAC模型的不足，GACV(Geodesic-aided CV)模型的基础上，提出一种融合分数阶边缘检测项的分数阶ACM分割模型，实现稳定的目标分割。二、基于分形维数的分数阶微分的主动轮廓模型。分形维数与多重分形维数是图像区域和边缘的重要特征表示方法，已应用于图像分割、模式识别研究。针对分数阶GACV模型，利用多重分形谱H o&&lder指数提取图像边缘特征，构成边缘检测项，与分数阶正则化项、区域检测项合并，实现基于分形维数的分数阶GACV图像分割模型，有效地定位目标轮廓，实现目标检测。三、耦合去噪功能的分数阶微分的主动轮廓模型。针对噪声图像，将分数阶TV(Totalvariation)去噪模型与分数阶CV分割模型结合，提出一种耦合去噪功能的分数阶ACM算法。针对分数阶TV模型与分数阶CV模型能量泛函的非凸性，将其转化成在约束条件下的全局最小值的凸模型，并对模型全局最小值存在性进行了证明。最后利用分裂Bregman迭代算法实现能量泛函的快速求解。实验表明，此凸分割变分模型优于传统的水平集算法，能快速有效地提取目标，不敏感于初始轮廓。四、分数阶ACM在杂草图像中的应用研究。杂草图像识别是除草机器人的关键技术之一，而杂草图像分割是杂草识别的前提。针对苗期玉米田复杂土壤背景下的玉米植株或杂草图像，利用线性流形学习方法对彩图进行特征提取，利用分数阶ACM对特征图进行分割。综合比较各种特征提取与图像分割算法，结果显示，本文提出的基于最大间隔准则(MMC, Maximum margin criterion)与分数阶ACM组合分割算法能够获得较好的分割效果，优于传统的颜色因子与阈值分割组合算法。