在计算机视觉中,图像分割是图像处理的重要步骤。Otsu分割方法是经典的图像分割方法之一,可有效分割大部分图像且应用范围广泛。本文对传统二维Otsu阈值分割、传统萤火虫算法进行深入的研究的基础上,根据其固有收敛速度慢的缺点,将分数阶微分与萤火虫算法结合,对传统Otsu算法及萤火虫算法进行优化,并将新算法应用于图像分割。本文主要研究内容如下:(1)研究了图像分割算法、萤火虫算法、分数阶微积分理论的国内外现状,掌握了图像分割算法的分类及一维和二维Otsu算法原理,对萤火虫算法的基本理论、数学模型、算法流程及参数设置、性能进行了深入研究与分析。(2)提出分数阶萤火虫改进算法:传统的萤火虫算法具有实现简单、寻优能力强的优点,但在其搜索过程中每只萤火虫只采用最后一次记忆,存在收敛速度慢等问题。考虑到分数阶微分能够充分描述事件的记忆和遗传特性,可提高萤火虫的记忆能力以控制其收敛性,因此本文提出一种改进的分数阶萤火虫算法,将分数阶微分引入标准萤火虫位置更新公式,通过每只萤火虫更多的历史记忆找到合理的解。改进后的分数阶萤火虫算法较标准萤火虫算法具有较快的收敛速度,能够有效改善传统萤火虫早熟以及陷入局部最优的问题。(3)改进的分数阶萤火虫算法应用于图像分割:针对提出的基于改进的分数阶萤火虫的Otsu图像分割算法的有效性验证,应用于各种不同类型的经典图像进行了仿真实验,并对传统萤火虫优化的Otsu算法、基于分数阶粒子群优化的Otsu算法与本文提出的算法分别在分割结果上进行了主观和客观对比分析。通过三种种类不一致的图像,分别为人物图像、景物图像以及医学图像,来对本文算法进行验证。实验结果表明,本文算法能够实现对目标图像的精确分割,与传统萤火虫优化的Otsu算法以及基于分数阶粒子群优化的Otsu算法相比,在保持分割精度基本一致的前提下,收敛速度更快。