高原鼠兔是青藏高原高寒草甸生态系统的关键物种,也是青藏高原及邻近地区破坏草原生态的主要生物灾害之一。防治高原鼠兔的危害,就必须对该区的鼠兔数量及危害程度等进行调查研究,才有可能实施经济有效的防治措施。随着传感技术、图像处理等技术的发展,可利用智能监测系统对鼠兔进行检测和跟踪,来获取鼠兔的调查研究数据,从而为高原鼠兔的防治与草地的生态保护提供新的依据。智能监测中,由于鼠兔图像背景复杂、对比度低、灰度不均匀且含有大量噪声,使得鼠兔图像分割成为一个难点问题。针对鼠兔图像特点,提出一种基于局部灰度信息和全局梯度信息的图像分割方法。针对LBF模型在演化过程中极易陷入局部极小值的问题,借鉴CV模型能量项构造思想,引入全局图像梯度信息,构造全局梯度能量项,通过线性组合局部灰度能量项和全局梯度能量项来创建改进LBF模型的能量函数,在局部灰度信息和全局梯度信息的共同作用下,使水平集函数在演化的过程中避免陷入局部最优。通过对比实验得出,本文方法相比LBF模型、RSF模型而言,分割精度高,消耗时间少。实验结果表明:所提出的用于鼠兔图像分割的方法不仅能提高鼠兔图像分割精度,减少迭代次数,且背景抑制、目标区域轮廓定位效果好。针对鼠兔视频序列图像的特点,提出一种基于快速目标检测和改进LBF模型的时空联合分割方法。在时域上通过快速目标检测方法得到运动目标的初始区域,作为改进LBF模型演化的初始活动轮廓曲线,在空间域上采用本文提出的改进LBF分割模型。在确定运动目标初始区域时,通过交互式分割得到第一帧鼠兔视频序列图像的初始活动轮廓曲线,再用两帧差法检测相邻两帧图像是否有像素变化,判断鼠兔目标的运动状态,进而确定当前帧鼠兔图像的初始活动轮廓曲线。实验结果表明:所提出的时空联合分割方法可以快速准确地得到初始活动轮廓曲线,弥补了改进LBF模型需手动设置初始活动轮廓曲线的缺陷,且该方法可实现对鼠兔视频序列图像的连续精确分割。