随着信息技术的飞速发展，人们在了解认识我们所生活的这个世界的渴望越来越迫切。人们通过图片上所呈现的信息，来理解这个世界。图像分割技术就是把人们所感兴趣的图片上的目标分割出来的一种技术。图像分割的好坏效果对后续的对图片的理解，分析起到关键的作用。由于图像的复杂度不同和图片所处在的摄像的环节不同，至今也没有一种统一的方法来分割图像。人们在对分割的方法的研究中，有两种主要的思路：第一种是通过改进其原有的算法，提高原有算法的性能；第二种是把新的思路和新的方法引进图像分割中。由于图像分割可以看成是组合优化问题，因此本论文采用的是智能算法中的蚁群算法。首先介绍蚁群算法，蚁群算法是意大利研究者M.Doirgo等人在1992年的一篇论文中首次提出来的，本论文把蚁群算法应用TSP当中，得出蚁群算法的优缺点，对于蚁群算法的缺点进行改进，设置了一个迭代区域，降低局部信息素，防止局部最优解发生。实验对比中，改进的蚁群算法的性能更好。其次针对这些优点，与模糊聚类C-均值相结合。模糊聚类C-均值虽然对复杂的图像分割效果好，但是运算复杂，初始参数需要人为设定等缺点，使模糊聚类C-均值在分割图像方面不够准确。因此，把蚁群算法和模糊聚类C-均值相结合，利用改进的蚁群算法得到初始聚类个数及中心，把它作为模糊聚类C的初始参数，在进行对图像进行分割。在实验对比中表明，改进的蚁群模糊聚类算法在图像分割和抗噪方面更好。最后，针对蚁群算法缺点，提出与量子算法相结合的算法。量子算法中的量子旋转门和变异操作，可以增加蚂蚁的搜索空间，跳出局部最优解，防止早熟的现象。把量子蚂蚁算法应用到图像分割当中，计算旋转角度来指导蚂蚁移动，利用Pauli-Z门进行变异操作。通过对比实验表明，量子蚁群算法在图像分割的效果方面更好。