在智能自动化研究领域，现在基于群体智能特征的仿生类算法研究正受到越来越多学者的关注。作为群体智能的典型实现，蚁群算法正在受到学术界的广注关注。它是在20世纪90年代，由意大利学者M.Dorigo等人受蚂蚁在觅食过程中可以找出从巢穴到食物源的最短路径的启发首先提出的。蚁群算法不仅能够智能搜索，全局优化，而且还具有稳健性（鲁棒性）、正反馈、分布式计算、易与其它算法结合等优点，在解决复杂优化问题上显示出了良好的适应性，是一种很有前景的方法。蚁群算法作为一种新型的模拟进化算法，其良好的离散性、并行性、正反馈性和鲁棒性，使其非常适合于图像分割。但基本蚁群算法中蚂蚁的搜索是随机的，计算量大，不利于算法的收敛。为此，本文主要研究了基于蚁群觅食思想和蚂蚁堆形成原理的两种蚁群聚类方式，并将其应用于图像分割。本文主要内容包括： 1.首先对蚁群算法近年来的研究进展进行了总结，归纳算法的成功应用领域和存在的不足。，然后，详细介绍了蚁群算法的基本原理及蚁群系统模型，给出了几种改进的蚁群算法。最后，提出一种基于求解旅行商问题的改进蚁群算法，对蚁群算法中相关参数进行了研究。 2.介绍了聚类的相关知识，包括聚类的概述，聚类的数学模型，基于蚂蚁觅食思想的蚁群聚类方式，基于蚂蚁堆形成原理的蚁群聚类方式和基于蚁群转移概率的K-均值聚类算法。 3.给出了形式化的图像分割定义，对图像分割技术进行了比较详细的分类，在特征空间聚类技术中，提出一种基于空间特征矢量的聚类方法，并将其应用于图像分割。 4.根据蚂蚁堆形成原理的蚁群聚类方式，提出一种基于蚁群聚类算法的图像分割方法，将其应用于图像分割，实验结果表明：提出的算法具有较好的图像分割效果，程序简单且易于实现。 5．根据蚂蚁觅食思想的原理，提出一种基于蚁群动态模糊聚类算法的图像分割方法，给出多种信息素的更新方式。针对算法循环次数多，计算量大的问题，综合考虑图像中像素的灰度、邻域平均灰度、梯度等特征来设置初始聚类中心，进行蚁群模糊聚类。实验结果表明：该方法在图像分割中的确能够得到较好的分割结果。 目前国内外已发表的蚁群算法在图像处理领域应用的学术论文也在逐渐增多，所以本课题将蚁群算法应用于图像分割领域，是一次积极有效的深入尝试。