在图像的研究和应用中,图像处理的目的之一是图像识别,而图像定位与分割、测量是图像识别工作的基础。人工免疫算法由于保留了生物免疫系统的若干特点,如收敛性好、鲁棒性强、计算性能好等。因此免疫优化的思想在模式识别、故障诊断、计算机安全等领域得到广泛的实际应用。本论文通过多方位选择与比较,将免疫算法应用到图像定位与分割的最优化过程中,以求能获得比以往传统算法更为精确的定位与分割效果。本论文对人脸五官定位与分割技术进行概述,并详细介绍人脸五官定位与分割的基本方法,对比分析各种分割方法的优缺点,同时对免疫算法进行相关研究,以及其与图像分割技术之间的相关联系,为后面的研究奠定理论基础。针对人脸图像预处理过程,本文首先对彩色的人脸图像进行灰度处理,然后通过利用直方图修正原理,将人脸图像的各灰度级分量平均布满空间,从而来增强图像的对比度;同时,利用非线性的中值滤波对人脸图像进行去噪处理;最后,利用拉普拉斯算子对图像进行锐化,使得图像更为清晰化。同时综合考虑检测效果的鲁棒性以及检测过程中的计算复杂度,选择采用一种基于多参数可变形模板方法对人脸进行检测。该方法首先使用参数化的表面,对人脸显著特征建立多参数可变形模板,然后以此构造相对应的能量函数,并通过深度下降法的搜索策略调整模板参数使其能量函数最小化,实现人脸显著特征的定位检测,进而通过多模板检测实现人脸的初步检测;最后利用人脸的轮廓特征进一步对人脸进行精确检测。最后针对传统阈值分割法存在阈值选取不当导致分割效果不好的问题,本文将免疫优化算法运用到图像分割中,并通过二进制编码对其进行参数优化;结合二维熵阈值原理,利用免疫优化算法的快速收敛性,提出一种自适应熵疫苗算子,加速了最优阈值的生成过程,提高分割质量,实现人脸五官的有效定位;最后仿真验证了该算法的有效性。