1、粒子群優(yōu)化算法(PSO，Particle swarm optimization)是通過粒子間相互作用來發(fā)現(xiàn)復雜搜索空間中最優(yōu)區(qū)域。它簡單容易實現(xiàn)且功能強大，已經(jīng)成為國際演化計算界研究的熱點。論文在總結(jié)了已有的研究成果基礎上，開展了粒子群優(yōu)化算法及其在醫(yī)學圖像中的應用的研究，具體內(nèi)容如下:
　　(1)介紹了醫(yī)學圖像分割研究背景和意義，簡要介紹了現(xiàn)有的醫(yī)學圖像分割的方法，進行了分類和比較;簡要介紹了粒子群優(yōu)化算法的基本原理及其研究現(xiàn)狀

2、，歸納了粒子群優(yōu)化算法發(fā)展過程中的改進算法，例如慣性權(quán)重、收斂因子等模型，比較了一些常用測試函數(shù)及其演化算法。在這個基礎上著重研究了MATLAB環(huán)境中粒子群優(yōu)化算法的仿真方法，主要包括數(shù)據(jù)結(jié)構(gòu)設計、進化信息跟蹤以及參數(shù)設定等關鍵內(nèi)容。然后，對三個典型的測試函數(shù)Rastrigin、Rosenbrock和Griewank進行了基于慣性權(quán)值因子遞減的優(yōu)化試驗，得到了不同的結(jié)果并進行了分析討論。標準粒子群算法中，當使慣性權(quán)重因子w在迭代的過程中

3、線性遞減時，函數(shù)的收斂性得到了很大的改善，Griewank函數(shù)已經(jīng)基本全部能收斂于最優(yōu)值。
　　(2)大津法（Otsu算法）是目前運用較多的圖像分割方法，是一種實現(xiàn)簡單、效果較好的閾值分割方法。但當目標與背景比例較大、或者信噪比較低時，大津法的分割精度較差。本文將分析一維和二維的大津法，將其分別應用于醫(yī)學圖像的分割并進行比較，然后結(jié)合粒子群優(yōu)化算法，將其應用于醫(yī)學圖像的分割，將其結(jié)果與前兩種算法比較。實驗證明，粒子群優(yōu)化算法(PS