图像分割作为图像分析与处理的关键,对图像的边缘目标提取具有重要影响。Otsu分割方法是常用的图像分割方法之一,应用范围广泛。本文针对传统Otsu算法运行时间长、计算复杂且优化Otsu算法的传统粒子群算法收敛速度慢、容易陷入局部最优的缺点,提出了用分数阶微积分算法优化粒子群算法的方案,将Otsu算法、分数阶微积分算法、粒子群算法三种算法进行结合并改进,并将新算法应用于图像分割。本文主要完成的工作和内容如下:(1)在图像分割之前,结合分数阶幅频特性曲线以及分数阶微积分在图像去噪、增强处理中的优越性,针对不同特征的图像不适合用相同的分数阶次来处理,且分数阶次需要人为设定的缺点,提出了一种自适应分数阶微积分的图像去噪、增强算法。根据图像中像素点的纹理、噪声强弱应采用不同分数阶次处理的特点,结合分数阶次在一定范围内能够取得较好效果的特点,提出了不同梯度值下的分数阶次自适应公式,以确保对于梯度值大的噪声强点,取较小的负阶次;对于梯度值小的噪声弱点,取较大的负阶次;对于梯度值大的图像边缘,取较大的正阶次;对于梯度值小的图像纹理,取较小的正阶次。针对不同类型图像,采用自适应阶次的分数阶微分、积分对待分割图像实现去噪、增强预处理。(2)在深入分析传统Otsu算法、分数阶微积分算法及粒子群优化算法理论的基础上,将三种算法结合并改进,提出了分数阶粒子群Otsu图像阈值分割(ImFpsoOtsu)算法。首先采用灰度级-梯度二维直方图算法,以Otsu算法的最大类间方差为适应度函数。然后通过引入粒子进化因子,利用粒子的进化信息自适应更改分数阶次α,同时通过速度增量为零来更新粒子速度、位置值。最后结合传统粒子群粒子更新公式并采用粒子对称分布的改进粒子群算法获取最佳阈值,将目标从图像中分割出来。分数阶粒子群Otsu算法,最终实现了图像的有效分割,解决了传统的粒子群优化算法陷入局部最优的问题,提高了收敛速度。实验结果表明,本文提出的自适应分数阶次的图像预处理算法,从主观视觉和客观的信噪比、熵值上优于传统算法,即图像去噪、增强效果更好。基于分数阶粒子群的Otsu算法,从视觉效果和适应度曲线收敛程度验证了本文算法在保证分割精度的同时,收敛速度更快。