当前,医学病理图像分析处理是进行众多疾病诊断的基本前提,其中医学图像分割是决定医学图像在临床诊疗中能否提供可靠依据的关键问题。由于图像分割目的千差万别,给图像分割技术的发展带来了巨大的挑战,加之医学图像中包含大量纷繁复杂的数据信息、以及阈值数量的增加,导致传统多阈值图像分割方法的时间复杂度随之骤升,因此如何构建高质量的多阈值医学图像分割模型具有重要意义。本文以群智能优化算法为核心,构建出基于非局部均值滤波、2D Kapur熵、以及2D直方图的多阈值图像分割模型,进而将这些模型应用于各种医学病理图像的分割。我们首先对连续蚁群优化算法、差分进化算法和多元宇宙优化算法在解质量、收敛精度、陷入局部最优等方面存在的不足进行了探讨,提出了基于变异机制的蚁群优化技术、基于黏菌觅食机制的差分进化技术、以及基于学习策略的多元宇宙优化技术;然后分别对传统的多阈值图像分割方法进行改进,进而提出基于变异机制的蚁群优化的多阈值图像分割模型、基于黏菌觅食机制的差分进化的多阈值图像分割模型、以及基于学习策略的多元宇宙优化的多阈值图像分割模型,分别用于COVID-19、乳腺癌、狼疮性肾炎的病理图像分割,较大地提高了分割质量和分割效率。具体说明如下:（1）针对COVID-19病理图像的分割问题,提出一种基于变异机制的蚁群优化的多阈值图像分割模型。首先,在连续蚁群优化算法中引入柯西变异机制,增强蚂蚁个体的搜索能力,同时利用贪婪Levy变异增强最优个体的自我学习能力,提出一种改进的蚁群优化算法。在来自IEEE CEC2014的30个测试函数上,进行实验仿真。实验结果表明,与3种变体及10种同类方法相比,提出的方法在搜索能力和自我学习能力方面都得到了增强,其解质量也更好。进一步,我们在非局部均值滤波和2D直方图的基础上,将该算法和2D Kapur熵结合,从而建立分割模型。最后,将该方法在COVID-19病理图像进行分割测试。实验结果表明,该模型取得更好的图像分割效果。（2）针对乳腺癌病理图像分割问题,提出一种基于黏菌觅食机制的差分进化的多阈值图像分割模型。首先,对差分进化算法进行改进,采用黏菌觅食行为提升收敛精度和避免陷入局部最优的能力。在IEEE CEC2014的30个测试函数上,通过仿真实验将提出的方法与9种传统算法和9种改进算法进行了比较,提出的方法在收敛精度和避免陷入局部最优的能力上的优势得到了充分的证明。进一步,将2D Kapur熵作为该方法的目标函数,并结合非局部均值滤波技术和2D直方图技术,建立了多阈值图像分割模型,从而实现乳腺癌病理图像的分割。最后,在来自公共数据集的浸润性乳腺导管癌的病理图像上对该模型的分割能力进行了测试,并与其他方法进行了对比。实验结果表明,该方法在对浸润性乳腺导管癌进行图像分割时,可以获得高质量的分割结果。（3）针对狼疮性肾炎病理图像分割问题,提出一种基于学习策略的多元宇宙优化的多阈值图像分割模型。首先,改进多元宇宙优算法,利用拟反射学习策略所具有的强收敛性来加快算法的收敛速率,同时利用正交学习策略来改善其收敛精度,提高解的质量。在31个基准函数上进行了测试,与9种同类算法进行了比较,结果表明,改进的多元宇宙优算法在收敛性和解质量上均得到较大的提升。进一步,我们将该方法引入到基于2D Kapur熵的图像分割方法中,对其最优分割阈值集合进行动态优化,从而得到用于分割的最优阈值集合。最后,通过在狼疮性肾炎病理图像上进行的实验表明,该方法可以找到质量较高的阈值集合,对狼疮性肾炎病理图像的分割得到更佳的效果。