图像分割是图像处理重要的一支,分割结果的优劣会影响图像分析的准确性。目前图像分割主要存在两个问题,一是没有方法能适应于大多数条件下的图像分割,二是没有一个统一标准对分割结果进行评价。这使得图像分割的研究仍具有重要意义。基于阈值的分割在图像分割中应用最为广泛,越来越多的学者将群体智能优化算法(粒子群算法、差分进化算法等)与传统阈值分割方法结合。将目标函数极值所对应的解作为图像多阈值分割的最优阈值。仿生算法包括布谷鸟算法(Cuckoo Search,CS)、萤火虫算法(Firefly Algorithm,FA)等是近年新兴算法,区别于传统智能算法,他们能以更少参数和更优机制达到更好的效果,在求解复杂问题优化上更快速准确。将仿生算法与传统阈值分割算法相结合,能有效降低噪声污染,减少时间损耗并提高运算效率。本文对仿生算法进行研究并将其用于图像多阈值分割,主要工作为:(1)本文先对三种仿生算法的原理和机制进行介绍,通过简单测试验证算法的寻优精度和运行效率。将改进的三种算法用于21个基准函数进行测试寻优,比较三种改进算法的寻优性能(精度、时间复杂度等)。选择性能较好的蝙蝠算法进行深入研究。(2)蝙蝠算法中的频率为随机产生,针对在现实生活中会存在频移现象,考虑到对于算法本身参数的细微变化都会影响寻优结果的问题,将频移效应引入蝙蝠算法对频率进行改善,有效的缩短寻优时间,提升准确率。并将模拟退火权重引入全局搜索,增加其全局搜索能力。(3)将改进蝙蝠算法与最大类间方差、最大熵相结合,提出一种基于改进蝙蝠算法的图像多阈值分割,利用改进蝙蝠算法获取图像的最佳分割阈值,通过与粒子群算法、蝙蝠算法实验结果相比较,验证改进算法有效性,并通过图像质量评价指标分析分割图像质量。