图像分割是目标检测和识别中的重要环节,是计算机视觉中基本和关键技术之一,其目的是将感兴趣的部分从图像中分割出来,为后续处理和识别提供依据。图像分割有许多种方法,其中使用最为普遍的就是阈值分割方法,其实现比较简单,便于分割。如果我们要对直方图呈多峰分布的复杂图像进行有效分割,并且找到一组最佳多阈值组合进行图像的分割,将会存在着计算量大、耗时长等问题,常常无法满足实际应用对实时性的要求。阈值选取的准确性决定着图像分割的质量,如何准确快速地搜索到多阈值最佳组合是目前图像分割技术研究的难点。粒子群算法和量子粒子群算法均是目前获得广泛应用的智能寻优算法。本文将改进的粒子群算法、量子粒子群算法,分别与最大熵法相结合,尝试提出高效准确的算法来解决多阈值分割面临的问题。具体研究内容如下:1.对粒子群算法做出改进,引入相对基算法和扩张模型,并与最大熵法结合起来。首先由最大熵法得到所要优化的目标函数,用改进过的粒子群算法对其进行优化,搜索到最佳阈值组合,来实现图像的多阈值分割。2.为了提高图像分割效率和分割精度,提出了基于量子粒子群的最大熵多阈值分割,由最大熵法算出所要优化的目标函数,用量子粒子群算法对其进行优化,通过最优多阈值来划分像素,实现图像的多阈值分割。3.将上述两种算法应用于多阈值图像分割,仿真实验表明:该两种改进算法分割效果较好,能快速准确地找到分割阈值的最佳组合,而且适合多峰直方图的复杂图像,对信噪比低的图像也有很好的分割效果,适用范围广泛。