量子遗传算法是由量子信息学与遗传算法相结合而产生的的一种高效并行的智能优化算法,具有种群规模小、搜索能力强、收敛速度快等优点。但是随着信息技术对大数据处理的速度和精度需求的提高,传统优化算法在多数场合下已经无法满足需求,从而促使学者们对其不断改进。双链量子遗传算法的提出,弥补了量子遗传算法的缺陷,提高了量子优化算法的效率和精度,得到了广泛的应用。但是此算法仍存在许多不足。编码空间范围过大,影响搜索速度;量子旋转门更新转角步长不合理,导致越过最优值或导致更新缓慢而影响进化速度。本文针对以上不足进行了改进,并提出一种搜索效率更高、自适应更新步长能力更强的新的双链量子遗传算法B_DCQGA。首先,在保证编码空间单值映射的前提下对解空间变换方式进行改进,缩小编码空间,增加搜索密度,提高搜索速度。其次,在染色体更新环节使用自适应更新策略,通过引入自适应步长因子,并对自适应步长因子进行优化,使转角步长变化方式更符合最优解的变化趋势,不仅改善了大多优化算法存在的“早熟收敛”现象所造成的的易陷入局部极值的问题,同时克服了更新速度过慢造成的效率低或者更新速度过快而越过最优解的不足,提高了寻优速度和精度。再将B_DCQGA算法应用到小波阈值去噪和二维最大熵阈值分割的阈值确定方案中,并通过实验仿真可以证明,在小波阈值去噪过程中,B_DCQGA算法的加入改善了量子小波阈值去噪的性能,提高了小波阈值函数的收敛速度和搜索精度,可以得到更低的均方误差和更高的峰值信噪比,同时保留了大部分的高频信息。在引入了B_DCQGA算法的二维最大熵阈值分割中,通过对原始图像和含噪图像的仿真实验可以看出引入了B_DCQGA算法的二维最大熵阈值分割减少了进化代数,提高了图像分割的效率,同时在含噪图像分割中有效的去除了噪声干扰,改善了分割效果。通过对B_DCQGA算法在两种图像处理过程中的应用可知,该算法在寻优能力上具有很大的优势,并且可以推广到更多的实际应用领域,充分证明本文算法具有广泛的实用性和效益性。