精确的图像分割在图像处理中起着关键的作用.然而传统分割方法由于几何变形、图像噪声、颜色纹理变化等众多因素的影响呈现出计算量大、分割精度较低等特征,难以提高图像处理的分割精度.当前,交叉熵被广泛应用于多水平阈值的提取,为此,各种智能优化算法被提出寻找不同水平阈值的最优组合,使交叉熵最小,以期能在一定的时间范围内有效地解决这一问题.由于萤火虫算法具有寻优性能优越、参数少且计算简便等特点,此外,量子计算具有量子并行的特点,能使经典算法加快运行速度.针对基本量子萤火虫算法（QFA）早熟、易陷入局部最优的缺陷,本文提出了基于三种组合策略的量子萤火虫算法,将最小交叉熵作为目标函数,并将它应用在贺兰山岩画及经典图像的多阈值分割问题上,取得了较好的效果.相关工作如下:（1）概述了萤火虫算法、量子计算及图像分割理论,并将萤火虫算法应用在一典型多峰函数上进行了性能测验,分析了萤火虫算法的优缺点.（2）研究了用于基本量子萤火虫算法改进的三种策略,分别为:自适应步长调整策略、广义精英反向学习策略及边界控制策略.将三种策略相互组合应用在基本量子萤火虫算法中,提出了三种改进的量子萤火虫算法,即AQFA、AQFA₁、AQFA₂.AQFA₂即为自适应量子萤火虫算法.并在10个基准测试函数对改进的算法进行试验,结果表明在一定条件下自适应量子萤火虫算法综合优化性能更佳,在求解多维函数中具有较强的优势,能够有效提高高维函数计算速率,节省计算时间.（3）将改进的量子萤火虫算法应用于经典图像及贺兰山岩画图像分割研究.本文取最小交叉熵作为适应度函数,结果表明,利用改进的基本量子萤火虫算法即自适应量子萤火虫算法提升了获取分割图像阈值的计算速度,缩短了分割时间,实例证明无论在MSSIM还是PSNR方面,都得到了显著的提升.因此本文提出的AQFA₂算法为图像分割提供了有效的方法.