作为衡量水泥材料优劣的重要指标,多孔水泥的强度与孔隙的形态分布有着密不可分的联系。水泥的水化反应过程和微观结构的演化是一个较为复杂的课题,因此对于这一过程中孔隙的研究,需要借助创新高效的融合方法与和科学适用的理论工具。水泥SEM图像处理作为水泥性能分析中的一种重要手段,在信息技术融入各行各业的背景下持续受到计算机图像处理技术和材料学分析等学科的广泛讨论和热切关注。本文以图像孔隙信息的采集为应用目的,拟采用图像增强方法和图像阈值分割方法对研究对象中的有用信息做特定处理。针对改善传统处理准则的效率方面,考虑到智能优化算法作为常用手段,本文提出了利用烟花算法提升鸽群算法性能。改进鸽群算法在保留标准鸽群算法较优收敛性的前提下,还获得了全局寻优能力的提高,在图像处理领域拥有良好的应用潜力。本文主要工作如下:1.优化了基本鸽群算法。虽然鸽群算法具有良好的收敛性,但是过快的搜索速度会降低它在整个搜索空间中的全局搜索能力,从而导致早熟收敛问题。而烟花算法具有较高的寻优精度和很强的鲁棒性,在鸽群算法结束第一部分迭代之后,采用烟花算法对鸽子进行优化,提升鸽群的多样性及单个鸽子的稳健度,从而增强传统鸽群算法的全局寻优能力。2.设计了一种优化的自适应增强方法,优化算法方面通过对传统鸽群算法进行迭代机制改进来提升全局寻优性能。基本的增强准则是基于非完全Beta函数设计的,选取质量评判函数作为适应度函数,将求解得到的α和β值对不同时期的水泥SEM图像进行变换增强处理。实验结果不仅证实了该方法的可行性,且在同等条件的对比实验中,其表现均优于经典的遗传算法和传统的鸽群算法。3.设计了一种优化的阈值分割方法,该方法的优化算法是基于烟花算法改进的鸽群算法。该方法利用改进鸽群算法的高效的寻优能力,分别结合大津算法和最小交叉熵分割准则,在2中经过增强处理的基础上,对目标图像进行单个阈值和多阈值条件下的分割,并且同经典的粒子群和人工鱼群算法进行结果对比。实验证明,改进鸽群算法可以在同等条件下获得精度更高和鲁棒性更强的分割效果。4.对于基于改进鸽群算法的增强与分割方法处理后的水泥SEM图像,利用Image-Pro Plus进行孔隙标记和孔信息提取,为基于渗流的孔隙率强度模型的构造提供重要依据。综上,本文首先提出了一种基于烟花算法改进的鸽群算法,然后以水泥SEM图像为处理对象,就改进鸽群算法在图像增强和阈值分割中的应用展开了研究。改进后的鸽群算法不仅得到了寻优能力的提高,而且在解决特定图像的增强与分割问题中均有不俗的表现,为水泥微观结构的分析与研究提供了一种有一定应用意义的参考手段。