图像分割应用在许多方面,小到检查癌细胞、精密零件表面缺陷检测,大到处理卫星拍摄的地形地貌照片等。在所有这些应用领域中,最终结果很大程度上依赖于图像分割的结果。但是,在一些复杂的问题中,尤其是在很多医学图像的分割,虽然图像分割方法已有上百种,但是现有的分割技术都不能得到令人满意的结果,原因在于计算机图像处理技术是对人类视觉的模拟,而人类的视觉系统是一种神奇的、高度自动化的生物图像处理系统,从而限制了图像自动识别技术的发展。因此从原理、应用和应用效果的评估上深入研究图像分割技术,对于提高计算机的视觉能力和理解人类的视觉系统都具有十分重要的意义。本论文主要围绕提高图像分割效果的问题,包括对图像的预处理、图像特征的提取以及图像分割方法等。研究了图像的纹理特征的提取方法,并利用自组织特征映射神经网络SOFM对图像进行分割。本文在图像预处理中采用基于QPSO算法优化设计的二维IIR数字滤波器的算法对图像进行滤波,消除图像中无关的信息,恢复有用的真实信息,增强有关信息的可检测性和最大限度地简化数据,从而改进特征抽取、图像分割可靠性。针对图像纹理特征问题,采用Gabor滤波器的方法,对图像的纹理检测精度有所提高,对最后的图像分割有较高的准确度。采用Gabor滤波器方法,可以得到希望的纹理图像空间频率通道上的分解系数,把这些通道上的能量作为纹理图像的特征。这是因为仅采用单一尺度分析纹理图像很难获得好的分类性能,采用多分辨分析小波变换后,可以克服这些困难。利用Gabor滤波器获取空间频率中频通道的能量信息,而且还利用了低空间频率段上保留的结构统计信息,最后用SOFM神经网络实现纹理图像的分类。本文提出自组织特征映射神经网络SOFM图像分割算法,使图像的分割不仅计算量小而且分割结果也是较为精确的。采用基于QPSO算法的二维IIR数字滤波器的优化设计的算法,此算法能够根据群体多样性信息来引导算法的搜索过程,增强了算法跳出局部最优的能力,提高了优化求解问题的效果。论文实验结果证实了算法的有效性。