随着数字图像处理技术的迅速发展，数字图像处理在军事、医学、工业生产、遥测遥控等领域的应用也越来越广泛。图像信息特征的复杂性和多样性越来越明显，对图像信息的处理也变得越来越困难。图像信息的不确定性以及建模困难等问题，使传统的优化方法在解决复杂的图像处理问题时变得无能为力。仿生智能优化算法是模拟生物体生存发展行为方式的目标优化算法，可以有效地求解复杂的优化问题。将仿生智能优化算法应用于解决复杂的图像处理问题具有很好的发展前景。本文围绕细菌优化算法、人工蜂群优化算法和搜寻者优化算法三种仿生智能优化算法分别应用于图像处理的理论和方法展开研究，提出了一些图像处理的新方法和新思路，所做的主要工作如下：1．提出了一种基于人工蜂群优化的矢量量化图像压缩算法。将均方误差作为衡量码书质量的目标函数，采用人工蜂群优化算法对矢量量化图像压缩中的码书进行优化设计。为了进一步提高算法的性能，采用基于混沌映射和反向学习的群体初始化方法生成初始码书，减小了初始码书对优化结果的影响；将差分进化中的变异操作引入到基本人工蜂群算法的搜索策略中，加快了算法的收敛速度；并且在适应度函数的计算过程中引入了基于和值的快速码字搜索算法的思想，大大减少了算法的计算量。实验结果表明，算法收敛精度高，计算时间短，生成的码书不仅质量高，而且通用性好。2．提出了一种基于细菌趋药性的盲图像分离算法。算法将规范四阶累积量的绝对值作为盲图像分离的目标函数，采用细菌趋药性算法对这一目标函数进行优化求解，对原图像的分离过程采用逐次提取的分离模型，每次提取后从混合图像中消去已分离出的源图像成分，最终实现对所有源图像的盲分离。实验结果表明，本方法能够有效实现对多幅混合自然图像的盲分离，并由分离图像与源图像之间的PSNR值和相关系数值可知，该方法具有较好的分离效果。3．提出了一种基于搜索者优化的运动目标检测算法。算法将运动目标检测问题转化为盲图像分离问题，采用独立成分分析的方法进行解决。将负熵作为盲图像分离的目标函数，利用搜索者优化算法优良的优化求解能力对目标函数进行求解，从而得到某一独立成分的分离图像，再通过重复分离与去相关计算实现多幅图像的成功分离，最终得到运动目标清晰的运动轨迹。