图像分割是由图像处理到图像分析的关键步骤,也是计算机视觉要解决的一个关键问题,尽管它多年来一直受到人们的高度重视,但是发展缓慢。现提出的分割算法都是针对具体问题的,并没有一种适合所有图像的通用分割算法,特别是在根据阈值的灰度图像分割中,人们很难找到一种对图像感兴趣区域的阈值,能进行快速搜索、准确定位的优化分割算法。遗传算法(Standard Genetic Algorithm,简称SGA)作为一种求解问题的高效并行的全局搜索方法,以其固有的鲁棒性、并行性和自适应性,使之非常适用于大规模搜索空间的寻优问题,已广泛应用于许多学科及工程领域。在计算机视觉领域中的应用也日益受到重视,为图像分割提供了一种新而有效的方法。本论文对传统的图像分割算法进行了研究与比较;对遗传算法理论、遗传算法在图像分割领域的应用现状及遗传分割算法的原理、过程和实验结果等几方面进行研究探讨。通过对遗传算法运行机理的深入研究,针对一些灰度图像和加噪图像,本文对改进的自适应遗传算法(Improved Adaptive Genetic Algorithm,简称.IAGA)在图像分割中的应用做了研究。算法中采用二维编码机制;为保持种群的多样性,随机均匀地产生初始种群:在遗传交叉操作中引入了一项规则防止种群退化;为使遗传算法保持种群的多样性,以防止出现未成熟收敛,本文采用了一个自适应变异算子:并在种群更新机制方面,提出了一个新的解决方案。实验结果表明,本文提出的基于改进的遗传算法优化了图像的分割,运算速度明显比传统分割算法快,而且取得了比传统算法更好的分割质量。本文程序采用MATLAB 6.5在WinXP环境下编译完成。