图像分割是对图像数据进行分析处理的重要步骤，而阈值分割以其极致简洁和高效实用的特性而长期成为图像分割的一个应用和研究热点。阈值分割采用简单的灰度输入产生封闭且连通的边界将图像分割为互不交叠的区域，在文本图像处理、工业无损检测、医学图像处理、红外图像分析中等领域中得到广泛应用。然而，虽然经过几十年的发展，若干卓有成效的阈值分割方法被不断提出，但阈值算法的自适应性始终没有得到很好的解决。另外，由于在算法设计中所考虑信息的增加和新技术手段的应用，使得阈值分割准则的计算时间复杂度随之增长而成为妨碍实践应用的瓶颈因素。本论文在分析总结现有方法和借鉴图像领域涌现的新技术的基础上对上述问题进行研究，取得的主要成果总结如下：1）对Otsu方法最佳阈值的必要条件进行理论分析，指出其产生偏差的根本原因。在此基础上提出一种适应不同直方图分布形态的阈值分割方法，该方法尤其适合直方图分布形态类似的系列图像分割。大量文献通过实验指出，Otsu方法在对方差差异较大的两类数据进行分类时，其分割阈值偏向方差较大的一类。论文通过对Otsu算法的阈值求解过程进行理论分析，得出其取得最佳阈值的必要条件，从而指出Otsu方法及其衍生方法产生偏差的根本原因。在此基础上，提出一种基于最小类内指数方差的自适应阈值方法，并将其扩展到二维。通过根据系列图像的直方图分布类型自适应调节的指数参数，提高算法的自适应能力。在算法的实现过程中采用基于累积数组的快速计算方法，并结合自适应的粒子群算法实现图像阈值的快速选择。与二维Otsu算法及Otsu算法的两种改进算法在合成和真实图像上进行比较实验，结果证明了本文方法分割阈值更为准确，适应能力更好。2）构建了一种基于韦伯定律的灰度-梯度激励强度共生矩阵，在此基础上提出一种抗噪性能良好的加权2维Renyi熵阈值算法，并结合二维熵的快速算法和改进的蛙跳算法实现图像的阈值分割。传统的二维熵划分方式忽略了噪声和边缘的影响而导致抗噪能力不强。本文基于韦伯定律，提出一种综合考虑邻域梯度主方向和强度的灰度-梯度激励强度共生矩阵（Gray level-Strength of Gradient Excitation Co-concurrence Matrix，GSGECM），并结合新的二维熵划分方式提高阈值分割的抗噪能力，在此基础上提出一种基于GSGECM的加权2维Renyi熵阈值分割算法。提出一种新的积分矩阵并行算法将基于GSGECM的2维Renyi熵的时间复杂度降低到常数时间。提出一种基于极坐标模糊跳跃策略的改进蛙跳算法实现参数优化。合成图片和真实图像上与相关方法的比较实验证明了本文方法抗噪能力强，分割结果的视觉效果更好。3）考虑数字图像信息的模糊性和非广延性，提出一种基于模糊Arimioto熵的多级阈值算法，并在量子遗传算法中加入混沌扰动，实现多级阈值快速分割。图像信息同时具有模糊性和非广延性，而基于Shannon熵的模糊熵仅适用于可加性系统。考虑到Arimoto熵对于图像中广泛存在的非可加性信息具有更好的描述能力，本文利用模糊隶属度函数将图像直方图转换到模糊域，并定义图像的模糊Arimioto熵。另外，由于自然图像的复杂性，用单阈值将图像分割为目标和背景两部分有时并不能满足实际应用需求。因此，本文提出一种基于Arimoto模糊熵的多级阈值方法，将图像分为背景区，中间区和目标区，分别定义其Arimoto模糊熵，并推导出三子系统的Arimoto熵伪可加公式，据此计算图像的模糊总熵。为提高量子遗传算法(Quantum Generic Algrithm, QGA)的全局开拓能力，在QGA中加入混沌扰动，帮助其摆脱局部极值，并将改进后的量子遗传算法用于搜索最佳模糊隶属度函数的参数组合，实现图像阈值分割。在真实图像上与相关阈值化方法进行测试实验，从主观视觉效果和客观评价指标两方面进行比较，结果表明，本文方法总体上优于对比方法，是一种有效的阈值化方法。4）针对红外图像成像模糊、信噪比低的问题，提出一种基于二维模糊Tsallis熵的红外人体目标阈值分割方法，并设计了一种快速算法将二维模糊熵的计算时间复杂度从O(L2)降低到O(L)。受到红外成像技术的限制，红外传感器一般分辨率较低，且成像模糊、信噪比低，因而现有的一维模糊熵方法和基于分明集的二维熵方法应用到红外人体目标分割领域有时并不能取得好的结果。本文综合考虑红外图像的模糊本质和图像中广泛存在的非可加信息，首先基于概率划分的原理，定义了一种模糊Tsallis熵；其次，为了充分利用图像像素的空间信息来应对噪声问题，本文利用模糊关系理论，将二维直方图映射到模糊域并产生相应的模糊子集，从而将所定义的模糊Tsallis熵扩展到二维情形。同时，为了克服将一维模糊熵扩展到二维所带来的巨大计算负荷，提出一种二维模糊Tsallis熵的快速算法，将其计算复杂度从O(L2)降低到O (L)。最后，结合混沌量子遗传算法，实现典型红外人体图像的分割。综合在标准图像库和自拍红外图片上的测试实验，通过视觉效果检查和分割结果绝对误差的定量分析，并对算法的实时性进行时间复杂度分析和CPU运行时间比较，证明本文方法比对比方法分割效果更好，实时性更高。