1、上世紀50年代中期創(chuàng)立仿生學以來，人們不斷地從生物進化的機理中得到啟發(fā)，提出了許多用于解決復雜組合優(yōu)化問題的新方法，比如蟻群算法和粒子群算法等等，它們都是適于大規(guī)模并行且具有智能特性的優(yōu)化算法，對于解決實際工程優(yōu)化問題的復雜性、約束性、非線性、建模困難，有很好的效果。 圖像分割是圖像分析和模式識別的首要問題，也是圖像處理的經(jīng)典難題之一。最大類間方差閾值分割法是目前應用比較廣泛的一種方法，按傳統(tǒng)的方法計算最大類間方差已經(jīng)限制了這種

2、算法的發(fā)展。為了加快最大類間方差方法求最優(yōu)解的速度，本文將微粒群算法和最大類間方差閾值分割法相結(jié)合，提出了基于PSO算法的最大類間方差閾值分割法，在取得良好的分割效果的同時，運用算法的并行搜索機制顯著地提高了分割速度。 多年來計算機圖形處理器(GPU)以大大超過摩爾定律的速度高速發(fā)展。圖形處理器的發(fā)展極大地提高了計算機圖形處理的速度和圖形質(zhì)量，并促進了與計算機圖形相關應用領域的快速發(fā)展。與此同時，圖形處理器繪制流水線的高速度和并