最大类间方差法是图像分割中一种常用的阈值分割方法, 对于单阈值分割具有显著的效果, 但是对于 多阈值分割, 计算复杂度大、耗时较多。本文将粒子群优化算法与最大类间方差法结合, 提出了一种新的图像分 割方法, 该方法利用粒子群优化算法的寻优高效性, 并由灰度图像的最大类间方差值作为适应值, 搜索最优分割 阈值, 实现图像的多阈值分割。实验结果显示, 新方法大大缩短了寻找最优阈值的时间, 降低了运算复杂度, 提 高了图像分割速度, 说明基于粒子群优化算法的图像分割算法是可行的、有效的

阈值分割分各种算法，如基于灰度直方图的阈值分割，迭代阈值分割，最大类间方差阈值分割法，局部阈值法等。-Thresholding of various algorithms, such as histogram-based thresholding, iterative threshold segmentation, Otsu threshold segmentation method, local threshold method.

最大类间方差法是由日本学者大津(Nobuyuki Otsu)于1979年提出的,是一种自适应的阈值确定的方法,又叫大津法,简称OTSU。它是按图像的灰度特性,将图像分成背景和目标2部分。背景和目标之间的类间方差越大,说明构成图像的2部分的差别越大,当部分目标错分为背景或部分背景错分为目标都会导致2部分差别变小。因此,使类间方差最大的分割意味着错分概率最小。(The largest between-class variance method was proposed by the Japanese