20世纪90年代初,意大利学者等人受蚂蚁在觅食过程中可以找出从巢穴到食物源的最短路径的启发,提出了蚁群算法(ant colony algorithm),它是继禁忌搜索算法、模拟退火算法、遗传算法、人工神经网络等启发式搜索算法之后出现的一种新的启发式搜索算法。蚁群算法不仅能够智能搜索、全局优化,而且具有稳健性(鲁棒性)、正反馈、分布式计算、易与其它算法结合等特点,鲁棒性强,在基本蚁群算法模型的基础上进行修改,便可用于其它问题;正反馈过程使得该方法能很快发现较好解;分布式计算使得该方法易于并行实现,个体之间不断进行信息交流和传递,有利于发现较好解,不容易陷入局部最优;与启发式算法相结合,可改善算法的性能。它成功应用于解决许多组合优化问题。一些初步研究和应用已显示出蚁群算法在求解复杂优化问题(特别是离散优化问题)方面的一些优越性。目前的研究主要集中在比利时、意大利、德国等国家,国内的研究始于1998年末,主要在上海、北京、东北少数几个学校和研究所开展了此项工作,主要围绕TSP及相关问题的实验仿真。 图像分割方法的研究始于上世纪50年代,它是图像处理中最为基础和重要的领域之一,近年来对通用分割方法的研究倾向于将分割看作一个组合优化问题,并采用一系列优化策略完成图像分割任务。 该文首先介绍了人工蚁群算法的基本原理,实现流程,分析了蚁群算法的特性,提出一系列改进算法。并概述了这种算法在优化问题中的多种应用。然后阐述了图象分割算法的现状,分割的原理和分类,以及一些常规的分割方法。 再根据蚁群算法和分割算法的特点,将两者进行结合。分割算法可以看作一个组合优化问题,人工蚁群算法就是一种优化方法,因此,将人工蚁群算法引入到图像分割处理中完全可行。实验结果也证明其方法是完全可行的。 最后,文章对蚁群算法和图象分割进行了总结和展望。 本文就是利用蚁群算法具有寻优特性,来寻找图象分割中的最佳阈值。进而达到分割的目的。