图像分割是图形图像处理研究领域的基础,是图像分析和图像理解的前提,因此图像分割结果直接影响目标表达以及参数测量。在现有的图像分割算法中常存在分割后图像前景与背景分割不明确、图像边缘信息存在间断点、阴影表达不明显的缺陷。蚁群算法作为仿生算法的一种,以其收敛速度快、鲁棒性强等优点在图像分割中能够有效的分离前景与背景且分割后边缘连续,但蚁群算法本身由于正反馈性的作用,使寻优结果容易出现早熟。混沌理论的提出打破了动力学系统中的可预测性,以其特有的随机、无序运动成为学者研究的热点,而这种特性能够有效弥补蚁群算法中因正反馈性的主导地位导致早熟的缺陷。本文在混沌蚁群的图像分割算法基础上通过优化算法运行时引入特征统计量以及在处理HSV图像分割时优化欧氏距离计算方法,使得改进后算法能够对图像进行有效分割。实验证明,改进后算法可以有效的分割出图像的前景与背景、阴影层次表达明显、算法效率相对加快,从而验证算法在灰度图像处理以及彩色图像处理中的可行性与准确性。