生物的进化普遍遵循达尔文的“物竞天择、适者生存”的准则,即通过个体之间的选择、交叉和变异来适应自然环境。进化算法就是仿效生物界进化过程的新型优化方法,不依赖与问题的具体特征,具有通用、简单、并行处理等优点,因此被认为是对21世纪的计算机技术有重大影响的关键技术。差分进化算法提出时间较晚,但其以较强的全局收敛能力、鲁棒性和稳定性迅速成为进化算法领域的研究热点。差分进化算法保留了基于种群的全局搜索策略,采用实数编码、基于差分的简单变异操作和一对一的竞争生存策略,降低了进化操作的复杂性。差分进化算法作为一种高效、简单的并行优化算法,对其进行理论和应用研究具有重要的学术意义。本文通过对差分进化算法理论基础的研究,针对不同应用问题给出了不同的改进算法。使用差分进化算法解决图像分割问题,并与最大类间方差法作比较分析,试验证明可节省大量时间。在含噪音图像分割问题中,本文使用二次探索改进差分进化算法,提高了算法在进化后期的搜索能力,改善了图像分割的视觉效果。图像恢复问题是图像处理的重要问题之一。图像恢复问题的主要难点图像信息大,处理速度慢。因此,本文借助差分进化算法的收敛速度快、算法稳定等优点进行图像恢复。在图像恢复过程中算法结合图像特点,随机选取窗口进行交叉和变异操作,取得了较好的结果。最后,本文将差分进化算法应用于图像匹配问题,并与基于灰度相关匹配、SSDA匹配算法作比较分析,试验表明本文算法可节省大量时间,匹配精确度达到90%。在此基础上,将混沌优化方法与差分进化算法相结合应用于图像匹配,收敛速度更快,匹配精度略有降低。