微粒群优化算法是一种群体智能算法，该算法在迭代初期容易出现早熟，迭代后期可能会出现振荡μ等现象，算法的收敛速度也较慢。针对这些不足，本文对微粒群优化算法进行了深入的分析和研究，并设计了改进的微粒群优化算法，且将其应用到图像分割中。本文主要工作包括：（1）针对微粒可能在最优解附近产生振荡μ现象，从物理学的角度对算法的位置更新公式进行了研究，设计了一种飞行时间随机的微粒群优化算法。新算法仍然保持了算法结构简单的特点，改善了算法的寻优能力，减小了微粒飞过μ最优位置而产生振荡μ现象的可能。（2）对微粒群优化算法中存在着模糊性和随机性进行了分析，将云模型引入其中。对原有的多种群微粒群优化算法进行了改进，将一定规模的微粒群平分成三个子种群，分别按照基于扩张变异的云模型自适应微粒群优化算法、飞行时间随机的微粒群优化算法和惯性权重二值化的微粒群优化算法三种不同的进化规则进行进化。实验结果表明，改进的多种群微粒群优化算法相比于原先的多种群微粒群优化算法效果要好，也比其他的改进微粒群优化算法效果好。（3）将飞行时间随机的微粒群优化算法和Otsu算法相结合并应用到图像分割中，并对算法的惯性权重进行了改进。实验结果表明，新算法的迭代次数减少了，运行时间短，算法的效率较高。