图像分割是成功进行图像分析、理解与描述的关键技术,其主要目的是从图像中提取出感兴趣的区域。目前,图像分割已在天文、农业、工业以及医学等领域得到了广泛的应用。但是,在一些复杂的问题中,传统方法的图像分割效果有时很难令人满意。作为群体智能优化算法的一个分支,粒子群优化算法(Particle Swarm Optimization, PSO)为图像分割的发展提供了新的动力和方向。然而,PSO算法搜索后期粒子多样性的丧失可能使算法早熟收敛,本文针对粒子群优化算法中的这一问题进行了改进,并将改进算法应用于图像分割中。为了进一步改进算法的性能,将基本PSO算法整个种群划分为多个子群体共同进化。同时引入遗传算法中的变异运算,对最差子群体按变异概率进行变异。用较大的惯性因子更新粒子的速度,然后对一些经典的测试函数做了仿真实验,最后,将改进算法应用到图像分割中。实验结果表明,改进算法具有更高的收敛精度。在进行图像分割时,怎样更好地确定图像分割的类别数一直是研究的热点和难点。为了自动确定图像分割的类别数,本文将改进PSO与模糊C-均值聚类算法(FCM)相结合,同时引入模糊聚类有效性指标,提出了基于改进PSO的FCM图像分割方法。本文设计了基于改进PSO的FCM(IPSO_FCM)算法的图像分割可视化用户界面系统,最后利用该分割系统实现了血液细胞图像的分割。实验结果表明,该算法能够搜索到较合理的分割类别数和聚类中心,从而快速准确地完成图像的自适应分割。