以图论为基础的彩色图像分割方法是当今倍受关注的热点问题,其中的Normalized Cut是一种规范化准则,可以将图像映射为无向带权图。具体来说,即是把图像中的像素点映射成对应图中的节点,并用连接节点之间各边的权值来表示这些像素点之间的相似度大小。但是最小化Normalized Cut是NP-hard问题,很多传统的方法只是得到优化问题的近似解并未求得最优解。由于存在上述的问题,本文将蜂群算法与Normalized Cut准则相结合进行彩色图像分割,以下是本文的研究工作:(1)采用莱维飞行蜂群算法优化NormalizedCut,对彩色图像进行分割。具体是先对彩色图像进行FCM预处理,再使用改进后的蜂群算法迭代寻优求解Ncut最小值,通过最终获得的最优个体蜂来指导图进行划分,进而获得图像分割结果。莱维飞行模式的优点是采用长、短步长相间的搜索方式,不仅可以丰富种群多样性还可以避免陷入局部最优。经实验验证,相比人工蜂群算法、粒子群优化算法和蚁群优化算法,该方法在收敛速度和分割结果上更为高效和优越。(2)使用动态权重蜂群算法来优化Normalized Cut,进行彩色图像分割。首先对彩色图像进行FCM预处理,进而通过改进后的蜂群算法对Normalized Cut准则进行优化,得到最优的个体蜂来指导对图像的分割。具体策略是:首先将标准蜂群算法离散化,给出个体蜂速度的定义;然后引入限制速度丰富种群多样性;最后采用动态权重机制,根据种群的进化率来调整个体蜂搜索方式,动态地平衡全局搜索和局部搜索能力。通过对比其他几种算法,实验证实了该方法应用在彩色图像分割上的有效性。