随着计算机技术的飞速发展,人类社会的信息化、数字化程度越来越高。于此同时,作为数字图像处理关键技术之一的图像分割技术也在飞速地发展。在图像分割领域里,随着要分割的图像日益复杂化,传统的解决方法的局限性日益突出,组合优化问题的搜索空间也急剧增大,传统的方法“费时费力”很难求出最优解。由于遗传算法(Genetic Algorithm,GA)具有优化搜索仅需要适应度函数指导而不依赖于其他辅助信息和优良的全局寻优能力,这就为我们提供了一种求解复杂系统问题的通用框架,因而对于图像分割领域里复杂问题的求解,遗传算法正是最佳工具之一。本文对基于遗传算法的图像分割技术进行了系统的研究,所取得的主要研究成果为:1.对图像分割技术的基础理论进行了研究,重点研究了目前三大类的图像分割技术,即阈值分割技术、边缘分割技术和区域分割技术,并通过实验验证了其理论实现过程和实际分割效果。2.对遗传算法进行了较为深入的研究。通过对遗传算法的数学理论基础、算法的求解流程、算法的基本操作、算法的改进空间和算法未成熟收敛性的防止等问题的研究,更加深刻地理解了其理论和特点,为后续研究打下了坚实的理论基础。3.对基于最大类间方差(OTSU)的遗传分割算法进行了研究,主要是对基于OTSU的遗传分割算法的理论和算法实现进行了研究。并根据研究结果的总结,提出了基于改进的遗传算法和改进的OTSU相结合的新图像分割算法。4.通过对原算法的适应度函数的研究,针对其不足,提出了新的适应度函数公式,即以图像的类间方差和类内方差的比值为新的适应度函数,并通过实验加以验证。实验证明新的适应度函数比原有的适应度函数更适合评估个体的优劣,更适合指导遗传算法的种群选取。此项改进措施使得种群的遗传进化得到了更好的信息指导,有利于加快算法在全局可行解空间内寻优的速度。5.对原遗传算法的参数系统进行了研究,并通过实验,验证了众参数间的相互关系。根据研究的结果提出了新的可自适应调整的参数系统。具体来说,就是采用了可变的、能自适应调整的参数体系,根据遗传算法不同的进化阶段,选择不同的参数值,以达到遗传进化加速寻优的目的。通过实验的验证,对参数系统的改进是成功的。6.对原有的算法终止条件进行了改进。原有的算法终止条件是固定的,不能适合现实实践中复杂多变的情况。改进后的算法能够“智能”的决定是否终止进化,输出结果。7.本论文通过大量的实验,验证了新算法的三个改进措施,并且通过实验分析了三个改进措施间的相互关系。通过与经典的基于OTSU的遗传分割算法的实验对比,证明了改进后的新算法,进化收敛的更快、更稳定,能更好的实现数字图像的分割。