手部区域分割,即从某一图像中分割出手部区域,本质上是一类多目标优化问题。进化优化方法是受自然界生物进化启发产生的基于种群的概率搜索方法,能够高效的求解很多实际优化问题。在众多进化优化方法中,分布估计算法(Estimation of Distribution Algorithm,EDA)基于对优势个体概率分布的估计,并基于此在搜索空间采样得到新的种群,是一种性能优越的进化优化方法。虽然分布估计算法已成功应用于很多实际优化问题,但是,用于手部区域分割的分布估计算法的研究却非常少。鉴于此,充分利用手部区域分割问题的领域知识,本论文研究高效求解该问题的分布估计算法。为了采用分布估计算法求解手部区域分割问题,首先建立了手部区域分割问题的多目标优化模型,期望通过求解该模型,从图像的像素点中,选择颜色接近肤色的一系列像素点,形成手部区域。基于分割的手部区域,能够进一步定位指尖。为了采用分布估计算法定位指尖,建立了定位指尖的多目标优化模型,期望通过求解该模型,能够选择具有一定特性的像素点,形成指尖。采用分布估计算法,求解手部区域分割问题的多目标优化模型时,首先,基于手部像素点位于多条直线段附近,建立了候选解的直线段概率分布模型,并在这些直线段的两侧采样得到候选解;然后,基于手部像素点的每一坐标位于某一区间内,建立了候选解的区间概率分布模型,并在多个区间采样得到候选解,以提高手部区域分割的精度;接着,分别在第一和第二阶段建立了候选解的区间概率分布模型和直线段概率分布模型,并基于不同的模型采样生成候选解,得到求解上述优化问题的两阶段分布估计算法;最后,以高斯模型替代直线段,并基于高斯采样得到候选解,得到改进的两阶段分布估计算法。将所提的方法应用于大量的手部区域分割问题,并与已有方法比较。实验结果表明,本文提出的方法能够有效的分割手部区域。基于分割的手部区域,采用分布估计算法求解指尖定位问题时,基于指尖像素点位于多个中心附近,建立了候选解的多点概率分布模型,并在这些点附近采样得到候选解。大量的实验结果表明,本文提出的分布估计算法能够有效的定位指尖。本文的工作为手部区域分割问题的解决提供了有效的方法,还丰富了分布估计算法的理论基础,并扩大了该方法的应用范围,此外,也为其它实际复杂优化问题的解决,提供了非常有价值的参考。因此,具有重要的理论意义和实用价值。