针对传统狼群算法应用于图像分割时收敛速度慢且容易陷入局部最优等缺点,本文提出一种基于分数阶狼群优化的二维Otsu图像分割算法。二维Otsu分割方法的横纵坐标分别采用灰度级和梯度级,以Otsu算法的最大类间方差为改进后狼群算法的适应度函数,寻找最佳分割阈值。利用分数阶微分对过去状态有记忆性的优点,用分数阶阶次来控制狼群在游走过程中的位置更新,并引入自适应分数阶阶次,利用探狼的位置信息自适应地调整分数阶阶次,从而使狼群算法的游走行为更加合理,提高狼群算法的最优解搜索能力,提升算法收敛速度。同时,采用空间对称分布方法改进狼群的围捕行为,改善狼群个体空间分布状态,提高种群多样性,调整围捕过程中狼群位置,克服算法后期容易出现局部最优的弊端,将目标与背景进行分离。本文的研究内容主要有:第一,常见的图像分割算法原理及其优缺点、应用情况。分析最大类间方差法的实现原理,Otsu算法简单有效,得到广泛使用。传统二维Otsu算法较一维Otsu能够反映更多图像信息,分割结果更加准确,却增加了计算量。所以本文采用基于灰度-梯度的二维Otsu算法,将图像的噪声点和图像的目标背景做了很好的分离,不仅缩小了搜索空间,减少计算量,同时也减少了噪声对图像分割结果的影响。总结图像分割结果的相应评价指标。第二,研究传统狼群算法实现的主要原理及实现步骤,介绍狼群算法中各参数取值对算法功能的影响及参考取值范围。狼群算法具有鲁棒性强,寻优能力强,参数设置简单,种群更新等优点。分析了传统狼群算法在游走行为中受步长因子影响其寻优能力和后期围捕行为中容易陷入局部极值等弊端的原因。第三,研究分数阶微积分理论在实践应用中的优越性,提出分数阶优化狼群算法的思想,本文将自适应分数阶算法引入狼群算法的游走行为,通过狼群自身的位置信息自适应调节分数阶阶次大小,再利用分数阶阶次调节狼群游走行为的位置更新,并在算法的围攻行为中引入粒子对称分布方法,平衡猎物两端狼群个数,克服狼群在围攻中陷入局部最优的缺点,总体上加快算法收敛速度,克服了算法易陷入局部最优的弊端,最后将该思想应用于图像分割中。实验结果表明,本文提出的改进算法从主观视觉和适应度值上要优于传统图像分割算法。在收敛次数上,本文算法的收敛次数较传统狼群算法优化的Otsu图像分割算法及分数阶粒子群优化的Otsu图像分割算法有了大幅度改进,在确保图像分割精度的同时提升算法收敛速度。