随着人工智能和人工生命持续不断地发展,许多新型的启发式搜索算法应运而生。例如,烟花算法、鸡群优化算法和扩展人工雨滴算法等。目前,这些新型算法应用于图像分割中相对较少。因此,本文重点研究2010年以来出现的3种新型启发式搜索算法,分析和理解其思想和方法,并尝试将它们应用到图像的多阈值分割技术中。本文的主要创新性成果包括以下几个方面:(1)我们针对基本烟花算法,深入分析烟花的爆炸过程,改进爆炸算子,加快算法的收敛速度,并将改进算法应用到图像多阈值分割中,提出一种基于改进烟花算法的图像多阈值分割方法。该方法把三级平稳小波变换作为图像降噪工具,对待分割图像进行预处理,选取最大类间方差法作为评价烟花个体优劣的目标函数,利用改进烟花算法找出最优解。实验结果表明,与烟花算法相比,改进烟花算法明显加快了收敛速度,并减少了图像分割所需时间。(2)我们针对基本鸡群优化算法,深入分析鸡群优化算法中公鸡、母鸡和小鸡3种不同角色的行为模式,提出基于鸡群优化算法的自适应图像多阈值分割方法。该方法利用待分割图像的直方图自适应地确定阈值个数,以最大类间方差法作为目标函数,利用鸡群个体分工中的3种角色的不断更新和迭代,搜索到最优解。实验结果表明,该方法可以获得理想的阈值个数,并且在分割速度方面优于基于蛙跳算法和人工鱼群算法的图像多阈值分割方法。(3)我们针对扩展人工雨滴算法,深入分析扩展人工雨滴算法中雨滴的5个基本变化过程,提出一种基于扩展人工雨滴算法的图像多阈值分割方法。该方法以最大类间方差法作为目标函数,利用多个子种群共同协作来寻找最优解。实验结果表明,该方法在稳定性和收敛性两个方面均优于基于蛙跳算法和人工鱼群算法的并行分割方法。