图像分割是把图像划分成各具特性的子区域并提取出感兴趣目标的技术和过程，它是对图像进行进一步处理和分析的基础。在已提出的图像分割方法中，很多方法都具有较好的分割效果，但不足在于分割速度较慢；因此，在保证一定分割效果的同时提高分割速度是图像分割领域的重要研究目标，也是本文的主要研究内容。本文从加快分割速度的角度出发，引入仿生算法PSO，针对标准PSO算法存在的算法早熟问题，利用基于中介数学系统的数学工具MMTD，提出了基于MMTD改进的PSO算法，在算法每一次迭代后使用MMTD对粒子适应度进行评价，并根据此评价信息为粒子赋予相应的惯性权重，使粒子群体以不同尺度进行搜索，提高了粒子群体的多样性，实验结果表明：新算法较好地解决了PSO算法的早熟问题，同时大幅提高了算法性能。本文对Otsu算法进行了研究，针对原始Otsu算法的穷举低效问题，将一维Otsu算法和二维Otsu算法的阈值计算过程都看作目标函数优化问题，使用改进的MMTDPSO算法对其进行优化求解，实验结果表明：融合Otsu算法和MMTDPSO算法的改进算法能够获得与原始Otsu算法相当的分割效果，同时拥有更快的分割速度。本文还对FCM算法进行了研究，针对原始FCM算法运算量大实时性差的问题，将其聚类过程看作目标函数最小化问题，使用改进的MMTDPSO算法对其进行优化求解，实验结果表明：融合FCM算法和MMTDPSO算法的改进算法能够获得与原始FCM算法相当的分割效果，同时提高了算法的分割速度。