目前，基于马尔科夫随机场的图像分割是图像分割的一个很重要的研究领域。然而基于随机场模型进行的图像分割通常情况下是把图像分割转化为优化问题，然后利用优化算法得到最优解，将其作为图像分割的最终结果。因此，为了得到较好的分割效果，优化算法的选取就显得尤为重要。传统的优化算法往往在迭代到一定程度之后陷入局部最优，从而无法到达全局最优，也就得不到理想的分割结果。粒子群优化算法因为其具有的概念简单、易于理解、参数较少、搜索速率快以及迭代鲁棒性强等优点而备受青睐，但与此同时它也存在一定的缺陷。本文的基本思想是借鉴协同进化算法的思想将粒子群算法与其它的优化算法结合，改进粒子群算法性能，以此来获得良好的优化效果，进而得到理想的分割结果。　　本论文的主要工作:第一，将变权重的思想加入到蛙跳简化粒子群算法中，并且对自适应遗传算法进行改进。第二，利用并行结合来进一步改进粒子群算法，其实质是利用两个算法在搜索空间进行并行式搜索，在每次迭代中都进行信息交互，且按照一定的规则进行个体的交换，既发挥了各自的优势，又充分利用了进化信息。第三，将这种混合的粒子群算法用于马尔科夫随机场模型参数的优化，并将优化后的马尔科夫随机场模型应用于图像分割。