在地质结构学的研究中,土层中的根系分布、石砾参数和孔隙结构等因素是反映土层质量的重要指标。随着无损检测技术的发展,计算机断层成像技术(Computed Tomography,CT)由于其准确、快速和无损的特点在土壤结构和根系形态的观测中得到了越来越广泛的应用。在三维CT成像过程中,由于探测器响应和射线辐射强度分布不均匀等因素,导致CT图像序列的重建结果在垂直方向上每层切片灰度水平不一致;土层切片图像本身又具有目标结构复杂和边界模糊等特点,这些问题为土层图像目标提取带来一定的难度。而CT图像序列在空间上具有连续性和规律性,因此,本文利用图像序列之间同一结构表征对象的连续性,利用目标区域的结构信息作为先验知识应用到图像序列的分割中,研究基于结构连续先验的自适应分割算法,实现图像序列的自动分割。首先,基于目标结构的空间连续性,提出了基于结构连续先验的自适应阈值分割算法,通过递归迭代的方法,将目标区域面积的变化作为先验信息,以此为约束条件自动为图像选取适合的阈值进行分割,以此类推直至全部图像序列分割完毕,并通过实验验证了该方法的可行性;其次,为了改进自适应算法的欠分割现象,提出了基于结构先验的随机游走分割算法,根据自适应算法得到的阈值对图像进行灰度变换,通过熵率超像素分割(ERS)的方法将分割目标进行标记,再根据图像序列的结构连续性提出了自动获取分割种子点的方法,将获取的有效标记点作为随机游走算法的种子点对图像进行分割,有效解决了图像欠分割问题,进一步提高后续三维可视化的准确性,并通过实验验证了该算法的有效性。