群智能优化算法被看成优化技巧的一种方法,仍然在很多领域被普遍地采用。譬如数字图像处理领域,在图像处理环节中“分割”被视为不可缺少的一个流程,分割作为基础环节,其目标是突显出目标区域、简易化图像及降低图像分析复杂度,是识别及分类图像工作中基础性工作。阈值法因容易掌握、高效、稳定性强及操作简便的优势,已成为最广泛使用的分割方式之一。采用阈值分割图像时,阈值计算任务量大,实时性很难达到,因此大量学者在图像分割算法中引入了群智能优化算法,通过跨种群方法去改善这些缺点。本文选题“基于图像分割的群智能算法改进研究”,目标是以改进群智能算法为主要工作重点,以图像作为测试集,将改进算法应用于其中,主要工作如下:1.本文以图像分割中分割阈值选用问题为背景,对标准蝗虫算法及标准鲸鱼算法进行改进,图像分割算法中引入改进算法,不但使目标图像计算复杂度降低了,而且分割视觉效果及精确度都有所改善。2.针对标准鲸鱼算法易落入最优局部值、收敛过早等缺点,首先将猫混沌映射与反向解两者结合去形成最初群体;接着通过刺激因子、黄金正弦算法与自适应惯性权重改进标准鲸鱼算法。通过以上手段,在标准基准函数上验证,可近似取到基准函数理想值;结果证明,算法收敛速度、求解精度得到有效改善。较传统2-D最大熵法减少运行时间约为1.2s。3.对标准蝗虫算法寻优策略进行深入学习,运用贝塔函数形成最初群体,从而确保了最初群体的多样性与均匀性。引入了不同非线性惯性权重,使得标准蝗虫算法寻解精度有所提升,也使得算法后期得到快速搜索,从而加快摆脱最佳局部值。在标准基准函数上进行测试,结果证明,相比标准蝗虫算法,改进算法的寻解精度与速度得到有效改善,较传统2-D最大熵法减少运行时间约为1.1s。