随着人们对信息的需求量日益扩大,计算机在生活中的应用随处可见。而对信息的获取不仅包括文字、声音、视频,还包括图像等。人们在获取图像中所包含的信息时必须先对图像做出预处理,使得信息更加的直观化。而图像处理中不可忽略的一个步骤就是图像的分割,该步骤也是近几年科研人员的研究热点与难点。故本文将图像分割作为主要的研究目标,旨在提高图像的分割精度。现阶段图像分割方法有很多种,例如基于聚类的、基于阈值的、基于边缘检测的等等,本文主要采用基于阈值的图像分割技术。而此方法中阈值是否能够被准确的搜索出来是该方法的关键,本文通过改进传统蜂群繁殖算法来提高阈值的准确性。蜂群繁殖算法是群体智能算法中的一种,其主要是模仿蜜蜂在自然界中的繁殖行为,通过蜜蜂的婚飞择优行为来搜索阈值,具有较好的全局搜索能力和快速收敛能力。目前,对于传统蜂群繁殖算法的改进有很多种,但这些改进方法仍存在一些缺陷,例如未考虑繁殖概率与突变概率的对算法的影响、分割过程中忽略了图像本身的非可加信息等等,这些缺陷都极大的影响了图像的分割精度。基于现阶段存在的缺陷,本文提出了一种基于改进蜂群繁殖算法的Tsallis熵阈值图像分割算法。本文算法对繁殖概率与突变概率提出了一种自适应的定义方法,有效地避免了因传统的自定义方法带来的影响,进而提高了算法的全局收敛能力。并且,本文将该算法与精英保留策略相结合,缩短了算法的寻优时间。此外,引入Tsallis熵作为适应函数,通过Tsallis熵的非广延性来避免图像分割过程中非可加信息被忽略,提高了分割精度。最后,对所提出的算法进行了仿真实验,并将其与其它改进算法作比较,比较内容包括分割效果、算法运行时间、峰值信噪比等等。通过理论与实验相结合,证明了本文所提出算法的优越性。