随机漫步(Random Walk)是近年来新兴的一种智能信息处理技术,已被广泛应用于图像处理中,尤其在图像分割中性能优异。因此,本文主要围绕随机漫步技术展开,着重研究随机漫步的重要改进模型,以及其在叶片图像中的应用。本文首先对随机漫步技术进行了全面地分析整理,并在此基础上,针对复杂背景的叶片图像提出了一种基于改进的随机漫步的分割方法。论文的主要工作如下:1.首先,对六种具有代表性的随机漫步模型:Leo Grady模型、先验随机漫步、广义随机漫步、尺度空间随机漫步、限制随机漫步、重启随机漫步,进行了详细的总结和说明。其次,介绍了随机漫步在图像分割、图像融合、孔洞填充、2D-3D转换、图像渲染、图像增强、图像配准、图像检索八个方面的应用。2.提出了一种新的基于随机漫步的复杂背景下植物叶片图像分割方法。首先,采用K-Means算法寻找预先定义的种子像素的质心,并基于先验像素(种子像素的质心)建立一个新的随机漫步模型;然后,将该模型应用于多种复杂背景下,提出的方法综合了标准随机漫步算法的结果,使得该方法具有鲁棒性;最后,在概率图的二值化中首先使用自适应阈值法,最优结果被选为最终输出;同时,讨论了RGB图像和Luv色彩空间在随机漫步算法框架下的性能。3.将该方法在ImageCLEF 2013数据库上进行了测试,实验的结果表明,该方法提高了图像分割的准确性和稳定性,能产生比较好的叶片图像分割结果。