图像分割的主要工作是把图像分成若干个具有特定性质的区域并将感兴趣的目标提取出来。在现有的图像分割算法中,多阈值法因其简单、最为直接而被广泛发展应用于多目标图像分割。但该方法计算量大且复杂度较高,严重影响分割效率。多阈值法实质上是以一定的准则在复杂的参数空间中快速寻找到最佳分割阈值,而群体智能优化算法可对复杂非线性、多维问题进行快速有效的计算,且能够在较短的时间内搜索到令人满意的全局最优解,缩短计算时间。因此,为了提高多阈值法的分割效率,将群体智能优化算法应用到图像多阈值分割成为研究热点问题。但是这类方法普遍存在寻优后期搜索速度较慢、易陷入局部最优的缺点,从而导致求解精度较低。本文针对传统的布谷鸟算法、粒子群算法以及鲸鱼算法,从不同角度进行改进,并将改进方法应用于图像分割的多阈值选取,用以提高图像分割精度和速度。主要研究成果如下:(1)基于当前种群的适应度值自适应确定布谷鸟算法的迭代步长,改进传统布谷鸟算法。传统布谷鸟算法应用于多阈值分割时,其计算量随着阈值个数的增加呈指数增长。其原因是传统布谷鸟算法采用固定的步长,而忽略了个体寻优能力的差异性。因此,本文将Levy飞行环节中的迭代步长设置为由当前种群的适应度值自适应确定,并将偏好随机游动环节中的发现概率pa设置为随着当前迭代次数和总迭代次数的改变而改变。这样的改进策略,增加了种群的多样性,使得算法寻优后期能够及时跳出局部最优,避免早熟。为了验证改进算法的效率和精度,将改进算法与经典的布谷鸟算法、Naik的自适应布谷鸟算法进行比较。实验结果表明,改进的算法能够快速选取最佳分割阈值且分割精度明显提高。(2)利用Circle映射产生的混沌扰动策略,改进达尔文粒子群算法,并用于彩色图像的多阈值分割。达尔文粒子群算法后期易陷入局部最优,导致图像分割不精确。而混沌运动具有随机性、遍历性和初值敏感性等优点,因此本文利用Circle映射产生的混沌扰动策略对全局最佳粒子位置进行修正,有效地防止算法陷入局部最优,从而加快收敛并提高搜索精度。此外,本文将最大熵作为目标函数,利用改进的算法进行寻优得到最佳阈值,实现彩色图像多阈值分割。为了阐释改进方法的优劣性,选取了三幅彩色图像,将改进算法与达尔文粒子群算法、粒子群算法以及和声算法进行对比。实验结果表明,改进算法可以准确地提取出目标,增强彩色图像的分割效果。(3)利用McCulloch方法可以高效生成稳定随机变量的特点,改进鲸鱼算法,用于遥感图像的多阈值分割过程。传统的鲸鱼算法寻优后期易出现搜索精度低,导致图像分割的效果较差。因此,本文引入McCulloch方法对当前最佳鲸鱼个体进行变异扰动,使其在最优位置附近进行精细搜索,扩大搜索范围,提高群体多样性,以平衡鲸鱼算法的全局搜索和局部搜索能力,从而提高算法的寻优精度,避免算法出现早熟收敛现象。此外,本文以最大类间方差作为目标函数,利用改进的算法进行寻优得到最佳分割阈值,将遥感图像中的关注目标准确提取出来。为了验证改进算法的寻优精度,选取了三幅遥感图像,将改进的鲸鱼算法与其他分割法进行比较。实验结果表明,改进鲸鱼算法具有较高的精度,提高了遥感图像的分割质量。图[35]表[13]参[122]