针对一维阈值分割只考虑图像的灰度级而不考虑像素的空间信息且需要目标函数的问题，根据最优进化图像阈值分割算法的基本思想，提出了一种无目标函数的二维图像阈值分割算法框架（2D-OEA）。2D-OEA将每个图像二维信息向量看作一个染色体，假设最优进化方向存在，建立进化方向更新模型；然后定义了染色体编码规则，通过简单随机采样初始化种群，再对种群进行交叉变异运算、适值计算、选择和阈值修正，得到稳定的最优二维阈值。分别从理论和实验分析了假设和模型的合理性。实验结果表明，假设和进化方向更新模型合理，2D-OE

针对进化算法用于图像分割时收敛速度慢、易早熟的缺点,提出一种改进的量子克隆进化算法.首先利用量子空间的多样性丰富种群信息,在量子变异中根据适应度的不同对个体施以不同的混沌扰动,以克服量子门旋转方向单一、大小固定的缺陷,避免种群陷入局部早熟;然后利用克隆算子将最优个体信息扩充至下一代,以提高其局部寻优能力,加快收敛速度;最后将此算法用于寻找二维Tsallis熵的最佳阈值,实现了对图像的分割.实验结果表明,该算法有效地解决了进化算法收敛速度慢和容易陷入局部极值的问题,而且在分割速度和精度上得到了较大

针对牛仔布人工检测慢，误检、漏检率高的问题，提出一种采用最优Gabor滤波器的牛仔布缺陷自动检测算法。首先，对正常的牛仔布图像构造任意的二维Gabor滤波器，同时，采用改进的差分进化算法优化Gabor滤波器参数，得到与正常牛仔布纹理最匹配的参数；然后，根据最优参数构造Gabor滤波器，对待检测图像进行卷积处理，得到特征图像，再结合阈值操作得到初步检测结果；最后，使用矩形框与局部大津法分割出精确的缺陷区域。实验结果表明：该算法能够实现牛仔布的缺陷检测，具有学习时间短、稳健性强和准确率高的特点。