图像分割技术作为数字图像处理中的基础和关键技术,能有效地使图像的表示形式简化或改变,一直是国际上的研究热点。图像分割方法发展至今,大致可以分为基于边缘检测的图像分割方法、基于阈值的数字图像分割方法、基于区域提取的图像分割方法以及结合特定理论工具的图像分割方法四类。为了提高图像分割质量,分割效率以及抗噪声干扰能力,本文提出了一种新的图像分割方法。该方法结合了均值漂移和改进的蚁群聚类两种算法的优点,首先利用均值漂移算法对彩色图像进行初步分割,得到一些(一般十个左右)能保持图像基本特性的子区域,然后每个子区域用一个节点代替构成一幅无向加权图,这样图像的再分割问题就转化成了图划分问题。改进的蚁群聚类算法就是用来解决这个问题的。与传统的蚁群聚类算法相比,在改进的算法中,我们提出了新的相似度计算方法,增大了每只蚂蚁最多能携带的目标数,能够实现全局最优,缩短聚类时间。为了说明文中方法的适用性以及优越性,本项研究采集大量彩色图像进行了试验。试验结果表明,文中方法能很好地实现彩色图像分割,并且与当前较新的两种图像分割方法相比,该方法在图像分割质量,抗干扰能力方面都具有明显的优势。同时,由于文中方法聚类的对象是均值漂移算法初步分割后所得到的节点而非图像中的像素点,这使得图像的分割效率大大提高。所以,文中图像分割方法性能良好,具有广阔的应用前景。