脉冲耦合神经网络(简称PCNN)作为新一代神经网络,以其具有独特的脉冲性质而得到众多学者们的青睐。由于模型中参数的取值对图像分割效果有着很大的影响。因此,针对参数设定的研究是非常有必要的。本文首先对PCNN图像分割技术进行了归纳性的总结;然后针对量子遗传算法的量子旋转门转角和量子变异进行了改进,并引入模拟退火算法,提出混合改进的双链量子遗传算法(SA-IDCQGA),并对该算法的收敛性进行了分析与证明,同时与普通量子遗传算法和双链量子遗传算法进行了算法性能测试比较,仿真结果分析得出SA-IDCQGA具有较好的寻优能力和更快的收敛速度,并且表现出很好的稳定鲁棒性能和实用性;最后,本文提出了SA-IDCQGA算法应用于PCNN图像分割技术中,通过优化模型中的参数来达到自动分割的目的,省去人工设置参数的繁琐,MATLAB仿真结果分析表明,与最大熵图像分割法和OTSU图像分割方法进行比较,SA-IDCQGA优化的PCNN图像分割效果优于其他两种方法图像分割的效果。