图像分割是图像处理领域中的一个热点研究问题。传统的图像分割算法主要包括阈值法、边缘检测法、基于区域的方法以及聚类方法等。随着群智能算法的不断发展,蚁群聚类算法已被用来解决图像分割问题。基于蚁群聚类的图像分割算法将图像中的像素点看作蚂蚁,将聚类中心看作食物,聚类过程就成为蚂蚁搜索食物的过程。与传统的基于模糊聚类的图像分割算法相比,基于蚁群聚类的图像分割算法提高了聚类速度,但是该算法在每一次迭代中都需要计算信息素浓度、启发信息、转移概率等变量,算法复杂,而且存在局部最优、早熟收敛问题,因此无法应用在实时环境中。为了弥补基于蚁群聚类的图像分割算法的不足,依据在蚁群协作觅食过程中侦查蚁的行为特征,本文提出了基于侦查蚁的图像分割算法。该方法在图像空间中以混沌方法分布侦查蚁,侦查蚁以大步长爬行探测边缘点,当侦查蚁发现某个边缘点后,执行边缘点连接策略。该方法侦查蚁在经过的路径上不需要分泌、计算信息素,减小了计算量。经过多次迭代,图像中的边缘点依次被检测出来。仿真实验验证了基于侦查蚁的图像分割算法可以取得很好的图像分割效果。针对基于侦查蚁的图像分割结果中存在冗余边缘点和孤立边缘点的不足,本文提出了基于多窗口的侦查蚁图像分割算法,该算法采用边缘细化策略、去除孤立边缘点策略和多窗口机制对基于侦查蚁的图像分割算法做了进一步改进。然后,针对基于背景减除法的目标检测方法的不足,本文提出了基于侦查蚁图像分割的移动目标检测算法。在静态背景环境下,该算法将实时目标图像与背景图像做减除运算得到二值图像,在目标图像中获取一个最小矩形窗口,使其包括目标图像中所有差异点,然后在矩形窗口中运行基于侦查蚁的图像分割算法便可得到移动目标检测结果。该算法不仅计算简单,分割精确度高,而且能够消除噪声点、光照阴影对目标检测结果的负面影响。最后将该算法应用在真实机器人目标检测中,充分验证了基于侦查蚁图像分割的移动目标检测算法可以应用在实时环境中。