数字图像处理是计算数学研究的一个领域,图像分割是图像处理中一门基础而重要的技术。数字图像的分割与目标的提取是数字图像处理和计算机视觉领域中一个备受关注的研究分支。经典的基于图理论的图像分割算法(如归一化分割算法),对于大尺度的图像而言其计算速度太慢复杂性太高,并且分割的稳定性极大程度地依赖于参数的选取,使其实际应用性大大降低,等周图像分割算法虽然避免了这个缺陷,但是却不能最大限度地充分利用求解线性方程组所得到的状态向量,且对于多目标的图像进行处理时所采用的二分迭代会产生较大计算量,本文通过对多目标图像的状态向量和等周率进行分析,设计了一种加速改进的k+1分迭代方式,经分析和实验表明改进后方法比原分割算法在计算次数和计算时间上效率更高。在对等周图像分割算法进行学习时,出现了最优化问题—一个2进制的极小化问题,于是对二进制编码的遗传算法进行了学习并尝试将遗传算法用于求解该极小化问题,虽然结果不理想可是却是具有启发性的。