图像分割是图像处理和计算机前期视觉中的基本技术,是大多数图像分析和视觉系统的重要组成部分,图像分割效率的高低直接影响后续图像的处理工作。阈值法实现简单,根据一定的阈值选取准则快速实现图像分割,是一种高效的图像分割方法。但是对于不同的图像,分割准则的选取不同其分割效果也有好坏,同时在需要对图像的信息进行细致分割时,一个阂值显然不能满足要求,而采用多阈值分割时常用的穷尽搜索法实效性较差,达不到实际应用的要求。因此,必须选取一种快速、准确的优化方法与阈值法结合来进行图像分割。遗传算法是一种解决复杂优化问题的智能算法,完全胜任于图像分割领域。遗传算法寻优速度快,鲁棒性强,适用于各种阈值分割准则。然而遗传算法由于其随机性、易早熟的特点限制了其应用,因此需要对遗传算法进行相应改进来提高算法收敛性能。本文首先分析了图像分割的一些常用方法,着重对比分析了几种常用的阈值分割法,在总结前人研究的基础上,针对交叉熵分割法进行了相应的一些改进,提出了一种交叉熵阈值图像分割方法。同时,结合遗传算法的常用改进,提出了一种改进后的遗传算法。主要采用非线性的自适应交叉概率改进交叉算子,针对收敛情况调节变异概率改进变异算子,同时加入最优个体保留、用随机个体取代最差个体的种群重组策略,经过一系列改进,提高算法性能。运用常用的一些算法检测函数对改进后算法进行了性能测试,通过与传统遗传算法、自适应遗传算法结果比较及分析,验证了改进后的算法在收敛速度和准确性上都大为提升。最后将改进后的遗传算法与最大类间方差法、最大信息熵法和本文提出的交叉熵法结合用于图像分割。通过阈值个数的不断增加,与常规的穷举闽值搜索法对比,实验结果表明改进后的遗传算法能很好的用于多阈值图像分割,而且随着阈值个数的增加算法优势越来越明显,不仅实效性好,准确率也很高,完全能用于实际工程。同时,分割后的效果图也验证了本文交叉熵分割法的有效性。