图像分割技术是进一步进行图像分析、图像理解的首要任务。近些年来,一些仿生优化算法(如人工神经网络算法、遗传算法、蚁群算法)与其他算法融合,逐渐应用到图像分割中。实践证明,蚁群算法有利于处理一些复杂、大数据量的任务,而图像分割可以归结为大量数据的聚类问题,所以将蚁群算法用于图像分割具有重要的实际应用价值。本文的主要工作具体包括如下几部分:简要介绍了课题研究背景,图像分割基础和经典边缘检测方法。研究了蚁群算法原理,并基于解决TSP问题,具体研究基本蚁群算法(ACA)和带聚类性质的蚁群算法(CPACA)。重点介绍了彩色图像分割技术,就彩色空间和聚类思想进行了详细描述。在以上研究的基础之上,根据解决的图像边缘检测和彩色图像分割的具体问题,论文提出了基于蚁群算法的新的应用模型,并通过实验进行算法有效性测试。论文中新的思想在于(1)图像的边缘检测问题中,基于像素的领域特征给出启发信息新的定义,使蚁群算法更加准确地搜索边缘。(2)彩色图像分割问题中,采用蚁群算法对初始聚类中心进行智能优化,通过分析新引进的参数对算法性能的影响,选择合理的参数对像素更加准确的初始分类,并融合FCM均值聚类算法得到更好的分割结果。