粒子群优化算法是一种新近出现的启发式全局优化算法。由于算法的易实现性和高效性,因此受到了人们的广泛关注。它已成为与遗传算法、禁忌搜索算法以及模拟退火算法并行发展的一种全局优化算法。该算法已经成功的运用到了很多函数优化和工程技术领域,并取得了很好的效果。同时,许多学者也发现了算法本身存在着一些不足之处。 图像分割是很多高级图像处理技术(如可视化、图像压缩、医学图像诊断等)的重要基础工作。迄今为止,已经有很多种不同的图像分割方法提出。阈值法因其实现的简单性而成为图像分割领域的一种重要方法。但是对于复杂的实时图像分割问题,阈值法的高耗时性已经成为该方法发展的一个障碍。因此,寻求一种高效的算法来解决基于阈值法的图像分割问题具有重要意义。 本文在前人工作的基础上,对粒子群优化算法及其在图像分割中的应用进行了研究。下面是对本文工作的一个概要: 第一部分分别对粒子群优化算法和图像分割方法的国内外发展状况以及相关的基本概念进行了介绍,并阐述了本文的主要工作。 在第二部分,为了提高粒子群算法的收敛速度同时增强算法的全局搜索能力,本文提出了一种自适应的粒子群优化算法,对标准的粒子群优化算法引入了两个自适应加速因子。同时对粒子群优化算法的权函数做了改进,当算法陷入局部最优值时,采用了一种新的粒子更新方式。通过对不同的测试函数的仿真实验表明:自适应的粒子群优化算法显著地提高了粒子群优化算法的收敛速度和全局搜索能力。同时,本文提出的自适应粒子群优化算法被应用于基于阈值法的图像分割实验中,实验表明:该算法能高效的求出问题的最优解。