图像分割是数字图像处理的关键技术之一,随着生活中各个研究领域对数字图像处理技术需求地不断增加,图像分割问题成为一个越来越重要的研究方向。多阈值分割是图像分割中的一种重要方法,在近些年取得了较多的成果,并广泛地应用在遥感图像、医学图像的识别中。在图像的多阈值分割中,选取合适的阈值尤为关键,但是当传统的单阈值图像分割扩展到多阈值图像分割用遍历法计算时复杂度高,效率较低。为了更加有效地对多阈值进行选取,结合了基于群体智能的方法,利用群体智能方法对图像的多阈值分割进一步地优化。本文主要的工作如下:（1）研究了人工蜂群算法中的采蜜蜂的采蜜机制与侦查蜂的蜜源更新机制,提出了一种基于透镜成像学习和局部开采增强的人工蜂群算法（LLABC）,该算法设计了基于透镜成像反向学习的侦查蜂寻找新蜜源策略,侦查蜂可以利用历史信息反向学习寻找得到新的蜜源位置,加强了侦查蜂的全局搜索能力。并且设计了多只采蜜蜂对应一个蜜源的改进策略,由于一个蜜源可以由多只采蜜蜂进行局部的开采,增强了采蜜蜂的局部开采能力。在函数优化问题中,对比其它改进人工蜂群算法,改进后的LLABC算法可以很好地找到全局最优解。把LLABC算法应用于图像的多级阈值分割问题中,通过实验分析可知,改进后的人工蜂群算法能够有效地分割图像,找到近似全局最佳的分割阈值。（2）将粒子群算法（PSO）的粒子更新策略引入到灰狼优化算法（GWO）的种群更新中,提出了基于佳点集的混合PSOGWO算法。在算法PSOGWO中,使用了佳点集的策略对灰狼种群进行初始化。并采用三角函数的方法使灰狼优化算法中参数a从初始值2非线性减小到0,可以更好地平衡灰狼优化算法的全局搜索能力和局部搜索能力。同时对灰狼种群的更新公式进行改进,将获得的前三个代表最佳解的a、b、d狼的位置加上各自适应度的带权系数。并且针对灰狼优化在图像多阈值分割的后期收敛速度较慢的问题,结合PSO思想,将历史最优灰狼指引的策略增加到灰狼的更新方程中,从而加快了算法的收敛速度。在函数优化问题中,对比其它群体智能算法,基于佳点集的混合PSOGWO算法可以很好的找到函数的最优解。把PSOGWO算法应用到图像的多级阈值分割问题中,实验结果表明,PSOGWO算法在能保证全局收敛的前提下,得到的适应度值有所提高,并且能更快地找到近似最优阈值。本文提出的算法还应用于中国山水画的多阈值分割问题,取得了较好的效果。