粒子群优化算法是一种受到鸟类和鱼类群体活动的有规律的社会行为方式的启发而得到的一种基于群体智能的启发式的全局优化算法。该算法的基本思想来源于对鸟类简化社会模型的研究以及对其行为的模拟，其中每个个体都尽可能地使用自身以及群体的智能，不断地进行学习并调整，最终获得一个最优解。该算法常用于求解组合优化问题以及非线性问题等。因其具有控制参数少、易理解、易实现、收敛速度快、所需领域知识少等优越性，所以该算法一经提出时就引来了众多学者的广泛关注，并逐步成为了一个新的研究热点，且成功地应用到了图像分割、函数优化、模式识别、神经网络训练等许多领域。图像处理中最为基础和重要的组成部分是图像分割，对图像进行视觉分析和模式识别都是以图像分割为基本前提的。所谓图像分割指的就是根据灰度、纹理、形状和颜色等特征把图像划分成各种不同特性的区域，并从中提取出所感兴趣的目标区域的过程。本文的主要工作如下：(1)针对粒子在最优解附近飞行的过程中所产生的振荡现象，从物理学的角度对算法的位置更新公式进行研究及改进，提出了基于飞行时间线性递减的粒子群算法，进而使得算法的寻优能力得到一定的改善，粒子在飞行过程中越过最优位置所产生的振荡现象的可能性也有所降低。(2)针对粒子群优化算法的易陷入局部极值以及效率问题改进了公式，提出了基于迭代方程的无速度PSO算法，该算法更加简洁，大幅度地简化分析和控制粒子的进化过程，而且使得算法更容易收敛。(3)将飞行时间线性递减的PSO算法和Otsu算法进行了结合，构成了基于飞行时间线性递减PSO的Otsu算法，将其应用在图像分割中，并对结合后的算法的惯性权重做了改进，通过实验可以看出，新算法运行的时间缩短了、迭代次数有所减少、运行效率也有所提高。