图像分割是由图像处理到图像分析的关键步骤,是图像分析、识别和理解的基础。其研究多年来一直受到人们的高度重视。图像分割的应用非常广泛,尤其在信息社会,通过计算机实现视觉信息处理的自动化过程,使得它几乎出现在所有有关图像处理的领域,并涉及各种类型的图像。在图像的编码中、医学图像处理与分析中、交通图像分析中、工业自动化、在线产品检验、生产过程控制、文档图像处理、遥感和生物医学图像分析、保安监视以及军事、体育、农业工程等领域都涉及到了图像分割技术。通常,图像分割是为了进一步对图像进行分析、识别、压缩、编码等,图像分割的准确性将直接影响后继的工作。目前已经出现了上千种图像分割的方法,但没有一种图像分割方法对于所有的图像都具有很好的分割效果。遗传算法作为一种求解问题的高效并行的全局搜索方法,以其固有的鲁棒性、并行性和自适应性,使之非常适于大规模搜索空间的寻优,已广泛应用许多学科及工程领域。在机器视觉领域中的应用也正日益受到重视,为图像分割问题提供了新而有效的方法。本论文对图像分割算法进行了研究与比较;对遗传算法理论、遗传算法在图像分割领域的应用现状及遗传分割算法的原理、过程、结果等几方面做了研究;对傅立叶变换理论及其在图像处理上的应用作了比较全面的阐述。目前,大多数图像分割方法都是在时域进行的;本文将图像从时域变换到频域,避免了对图像中每一个像素进行单独处理,使用了相位相关性函数作为评价函数,全局搜索最优解。该方法能够很好的处理低对比度,高信噪比,内容复杂以及多种形状的灰度直方图的图像。但是当图像的尺寸增加的时候,该方法处理速度明显下降,为了克服这一点,本文采用基于正交数组的智能交叉(IC)的智能遗传算法(IGA)寻找最优解,从而实现了图像分割。实验结果表明,该方法能够有效地分割图像,同时对噪声具有很好的鲁棒性。并且,该方法能够大大减少运算所需的时间。