图像分割在图像工程的很多实际应用中发挥着关键的作用,其分割的准确性对后续的图像分析、图像识别和图像编码等工作有直接影响。通过融合多种分割算法来提高图像分割效果已经成为图像分割领域一个重要的发展方向。本文为了进一步改善图像分割的效果和效率,对自适应遗传算法和最大类间方差法进行了相应的改进,提出了一种基于改进遗传算法的最大类间方差图像分割法,本文的主要工作如下：(1)对传统的图像分割方法和基于遗传算法的图像分割方法进行了分析。(2)对现有遗传算法的特点进行分析,在此基础上提出了一种新的改进自适应遗传算法。通过综合考虑种群中个体之间的差异和种群分布的差异等两方面因素对种群交叉率和变异率的影响,使算法能自适应的调整变异率和交叉率,实验证明该算法的稳定性和准确性上都有较大提高。(3)针对现有的最大类间分割算法所存在的问题,根据图像直方图中目标与背景分布的特点,提出了一种基于改进的图像阈值选择方法。该算法通过缩小阈值选择范围和搜索最小方差比来确定最佳阈值。该方法具有分割精度较高,计算速度较快的优点。(4)提出一种改进的基于遗传算法的最大类间图像分割算法,解决了最大类间方差最佳阈值偏差和遗传算法早熟的问题,从而达到求出最佳图像分割阈值的目的。通过仿真实验证明,此算法具备较强的鲁棒性和较好收敛性。论文采用改进的自适应遗传算法,并结合了改进的最大类间方差算法进行最佳阈值的搜索从而进行图像分割。仿真结果表明,与其它分割算法相比本文提出的优化算法提供了较好的算法稳定性和求解准确性,能够更好地实现图像的自动最佳阈值分割。