森林虫害对林业生产和生态环境造成巨大危害,为解决虫害区域检测问题,本文利用无人机拍摄高分辨率林业虫害图像,对林区图像进行分割并提取虫害区域。针对受沙棘木蠹蛾侵害的沙棘正射图像,提出一种基于粒子群优化和马氏距离的二型模糊聚类算法;针对受松材线虫或红脂大小蠹侵害的松林航拍图像,采用基于线性谱聚类超像素的方法检测枯死树;为精确地分割林区无人机图像中的不同地物,提出一种基于超像素和超度量轮廓图的层次分割算法。针对受松材线虫与受红脂大小蠢侵害的松林无人机图像,首先使用线性谱聚类超像素分割算法将图像划分为多个超像素;然后基于受害后枯死树木的颜色特征,初步提取可能为枯死树的超像素区域;最后基于枯死树木与其他干扰地物具有不同的纹理特征,计算超像素的区域密度和缝隙量,利用支持向量机对初步提取的超像素进行分类,从而检测出图像中的枯死树。实验结果表明,基于线性谱聚类超像素的虫害区域检测方法可较准确地提取出枯死树木,实现松林中虫害区域的快速、准确检测及定位,有效保护森林资源。针对林区无人机图像中的不同地物分割,首先对图像进行线性谱聚类,生成超像素;然后根据颜色直方图特征计算超像素区域间的不相似度;再结合层次分割思想得到可表示边缘强度的超度量轮廓图并将其归一化;最后利用合适的阈值,删除边缘强度低于该阈值的轮廓,并将所对应的区域进行合并得到分割后的图像。实验结果表明,基于超像素和超度量轮廓图的算法分割准确率较高,对初始参数的依赖性小,且计算复杂度低。