分子动理论优化算法(KMTOA)是近年出现的一种新式启发式全局优化算法。由于该算法的吸引、排斥和波动机制，保证了算法的易于实现性和快速收敛性的同时还为兼顾种群的多样性提供可能。因此该算法受到了广泛的关注，已经成功的运用到电力系统经济调度、电力系统无功优化、智能楼宇负荷优化调度以及图像分割等多个领域。同时，学者们也发现了算法本身所存在的不足，针对不同的应用领域分别加以改进，提高了算法的应用价值。　　在图像分割等需要大量计算的应用领域，得益于优化算法的发展，很多图像领域的问题都可以转化为优化问题来解决，如图像的阈值分割问题就可转换成优化问题中参数最优计算来处理。将优化算法作为工具，采用迭代的方式计算某种准则下目标函数的最优值即图像分割的最优阈值。面对图像中多维数据的求解，优化算法特别是智能优化算法大大降低了计算量，随而缩短计算时间。众多的专家学者利用优化算法的优势对其进行了大量研究。　　本文在前人的工作基础上，针对KMTOA的不足提出若干改进措施，一、采用双种群思想，通过分工合作而共同实现寻优过程；二、为使普通种群在大范围内进行搜索，提出了多样性波动算子，基于反馈的种群多样性信息调节变异率而增强算法的全局搜索能力；三、为使精英种群实现精细化搜索，设计了协同学习算子，尽量避免移动随机性过大问题。通过实验证明改进算法在算法的收敛精度等方面都有了不同程度的提高，在基于 Otsu 准则的图像多阈值分割应用上也具有收敛速度快，算法稳定性高，综合效果好的优点。　　当图像包含有噪声时，普通基于 Otsu 算法的分割模型已经不能有效的对图像进行分割，一种基于直线截距直方图的Otsu 法被发现能有效去噪，但当图像混合有椒盐噪声时，将无法对图像进行正确分割。于是提出了基于后降噪策略的直线截距直方图Otsu，后降噪策略能有效的去除图像中的高斯及椒盐噪声，并将双种群分子动理论优化算法应用在阈值的寻优中。通过改进的算法和优化分割模型有效的保证了图像的分割效率和质量。　　通过在视频采集卡采集到的视频中设定虚拟检测区域的方式来检测提取完整的车辆图像，通过本文改进的图像分割方法，可以有效的分割出车辆的轮廓等信息，避免其他因素对分割结果的干扰，充分发挥了改进分割方法的性能，验证了改进图像分割方法的有效性。