1、基于閾值的圖像分割方法在圖像分割領域中應用最為廣泛，而對圖像的對比度增強則算是在圖像增強中最常用的方法。閾值分割方法可分為單閾值分割和多閾值分割，多閾值的分割方法是在單閾值分割方法的基礎上衍生出來的。相對來說，單閾值分割方法比較成熟，但仍會受到噪聲干擾問題，而在多閾值分割方法中，減少時間消耗和提高圖像分割質(zhì)量則是研究的主要目標。另一方面，在對圖像對比度增強時，如何在增強圖像的對比度的同時還能保留圖像的平均密度是需要思考的問題。為解決這些

2、問題，考慮將上述問題轉(zhuǎn)換成目標優(yōu)化問題進行尋優(yōu)求解，然而傳統(tǒng)的方法已不適用于這一類目標優(yōu)化問題，為此，引入了細菌覓食算法(BacterialForaging algorithm，簡稱BFA)來求解這一類目標優(yōu)化問題。
　　細菌覓食算法是模仿大腸桿菌的一種仿生隨機優(yōu)化算法，具有較強的魯棒性，快速的收斂性，以及易于跳出局部最優(yōu)的特點，因此非常適合解決較復雜的目標優(yōu)化問題。這也為解決單閾值的噪聲干擾問題、多閾值的時間消耗和分割質(zhì)量問題、

3、對比度增強的平均密度問題提供了一種新的且有效的方法。本文主要是針對上述圖像分割和圖像增強的諸多問題采用目標優(yōu)化算法來展開研究，其主要的工作如下:
　　1.針對傳統(tǒng)的單閾值分割中噪聲干擾問題，提出一種基于細菌覓食算法的目標優(yōu)化方法，通過對最大類間方差法和最小誤差法兩種分割方法線性加權求和，并利用細菌覓食算法良好的收斂速度和跳出局部最優(yōu)的能力，來獲取最優(yōu)解。也通過實驗證明了該算法在單閾值分割中噪聲干擾問題取得了較好的效果。
　　

4、2.針對多閾值分割方法中耗時長的問題和分割質(zhì)量問題，將其轉(zhuǎn)換成目標優(yōu)化問題來求解，并提出一種基于文化基因框架的BFA的多閾值圖像分割方法。該算法是通過結合兩種多閾值分割方法來提高分割質(zhì)量，并采用改進的細菌覓食算法來縮短優(yōu)化時的時間消耗。通過實驗表明，該方法不僅能夠快速找到圖像的最優(yōu)閾值而且能取得很好的分割效果。
　　3.針對因?qū)Ρ榷仍鰪姇r損耗圖像的平均密度的缺點，提出了基于細菌覓食算法的圖像增強的多目標優(yōu)化方法，該方法主要是將圖像