随着数字图像处理技术的不断发展和计算机产品的更新换代,数字图像处理技术已经在各个领域得到了广泛的应用,为科学进步和生产力的发展做出了巨大贡献。图像处理涉及范围较广,包括图像的变换、修复、分割、增强、匹配、分类等多个领域。智能算法是指通过模拟人、自然现象及其它生物种群的进化规律、行为特点和思维模式形成的智能计算方法,具有高效并行的全局寻优能力和较强的优化性能。传统的智能算法有遗传算法、蚁群算法和粒子群算法。由于数字图像处理可以视为一个对复杂的非线性问题进行求解的过程,而智能算法对传统算法难以解决的复杂问题仍能取得较好的优化效果,因此将智能算法应用于图像处理中具有广阔的发展前景。由于传统的单一智能算法存在易陷入局部最优和收敛精度低的问题,而将多种智能算法有机结合起来可以取得更好的优化性能,因此本文首先将天牛须算法(BAS)和布谷鸟算法(CS)相融合形成了一种优化性能更好的新型混合智能算法(BAS-CS),然后分别将该算法应用于图像修复、图像分割和图像匹配领域,取得了较好的优化效果。主要工作和创新点如下:(1)将天牛须算法与布谷鸟算法相融合形成了一种新型混合智能算法(BAS-CS),并在benchmark中的5个标准测试函数上对该算法的优化性能进行了测试。实验结果表明,与天牛须算法、粒子群算法和布谷鸟算法相比,BAS-CS算法的收敛速度更快、收敛精度更高,并且克服了BAS算法易陷入局部最优的缺陷,提高了BAS算法的收敛精度。(2)提出了一种基于BAS-CS的Criminisi图像修复算法。针对Criminisi算法存在的修复速度慢、优先权可靠性差的问题,首先通过引入等照度线曲率、拉普拉斯算子,和动态调整因子来提高优先权的可靠性和鲁棒性;然后将待修补块和匹配块之间的误差平方和(SSD)作为BAS-CS算法的目标函数;最后利用BAS-CS算法来搜寻目标函数的最优解。实验结果表明,该算法提高了图像的修复质量和修复效率,具有较好的通用性和应用前景。(3)将BAS-CS算法应用于图像分割领域,分别探讨了基于BAS-CS的二维Otsu阈值分割法和基于BAS-CS的三维Otsu阈值分割法。首先分别将二维Otsu阈值分割法和三维Otsu阈值分割法与灰度形态学相结合,形成了一种二维灰色Otsu模型和一种三维灰色Otsu模型;然后分别利用二维灰色Otsu模型和三维灰色Otsu模型来设计BAS-CS算法的目标函数;最后利用BAS-CS算法来对目标函数进行优化求解。实验结果表明,所提算法提高了对噪声的鲁棒性,在改善分割效果的同时提高了分割效率,且具有较强的通用性。(4)将BAS-CS算法应用于图像匹配领域,提出了一种基于BAS-CS的图像匹配算法。首先利用灰度形态学来对图像进行预处理,以降低噪声对匹配精度的影响;然后利用归一化互相关函数(NCC)来设计BAS-CS算法的目标函数;接着利用BAS-CS算法来搜寻目标函数的最优解;最后通过对无噪图像和含噪图像的匹配实验来验证了所提算法的有效性和优越性。实验结果表明,与传统的归一化互相关算法(NCC)相比,所提算法对噪声具有较强的鲁棒性,在匹配效率和匹配精度方面取得了更好的结果,具有较好的研究和应用价值。