1.一种基于综合学习差分演化算法的多阈值图像分割方法，其特征在于，包括以下步骤：步骤1，用户初始化参数，所述初始化参数包括分割阈值数量D，种群大小Popsize，最大评价次数MAX_FEs；

步骤2，当前演化代数t＝0，并设置综合学习率Prit＝0.5，杂交率Crit＝0.9，缩放因子Fit＝0.5，其中下标i＝1,...,Popsize，当前评价次数FEs＝0；

步骤3，随机产生初始种群 其中:下标i＝1,...,Popsize，并且 为种群Pt中的第i个个体，其随机初始化公式为：

其中下标j＝1,...,D，并且D为分割阈值数量； 为在种群Pt中的第i个个体，存储了D个分割阈值；rand(0,1)为在[0,1]之间服从均匀分布的随机实数产生函数；

步骤4，计算种群Pt中每个个体的适应值，其中适应值越大则表明个体越优秀，对于任意一个个体 的适应值 按以下公式计算：

其中Hk为第k个图像灰度值区间的熵，按如下公式计算：

当k＝0时，

当下标k＝1,2,...,D-1时当k＝D时

其中h(j)为第j个图像灰度值在图像中的像素总数，pj为第j个图像灰度值在图像中的概率； 为向下取整运算符；w0为区间 的图像灰度值的累加概率和，H0为区间 的图像灰度值的熵，wk为区间 的图像灰度值的累加概率和，下标k＝1,2,…D-1，Hk为区间 的图像灰度值的熵，wD为区间的图像灰度值的累加概率和，HD为区间 的图像灰度值的熵；然后当前评价次数FEs＝FEs+Popsize，并保存种群Pt中适应值最大的个体为最优个体Bestt；

步骤5，令计数器i＝1；

步骤6，如果计数器i大于种群大小Popsize，则转到步骤15，否则转到步骤7；

步骤7，计算个体 的当前综合学习率NPrit，计算公式如下:

其中r1为在[0,1]之间随机产生的实数；

步骤8，根据个体 的当前综合学习率NPrit，对个体 产生一个综合学习个体 其步骤如下:步骤8.1，令计数器j＝1；

步骤8.2，如果计数器j大于D，则转到步骤9，否则转到步骤8.3；

步骤8.3，在[0，1]之间产生一个随机实数r2；如果r2小于个体 的当前综合学习率NPrit则转到步骤8.7，否则转到步骤8.4；

步骤8.4，在[1,Popsize]之间随机产生两个不相等的正整数RI1,RI2；

步骤8.5，如果个体 的适应值大于个体 的适应值，则 否则步骤8.6，令计数器j＝j+1，转到步骤8.2；

步骤8.7， 令计数器j＝j+1，转到步骤8.2；

步骤9，按以下公式计算个体 的当前缩放因子NFit和当前杂交率NCrit:

其中r3，r4都是在[0,1]之间随机产生的实数，randc(0.5,0.3)为以0.5作为位置参数，

0.3作为尺度参数产生服从柯西分布的随机实数函数，rand(0,1)为在[0,1]之间产生服从均匀分布的随机实数函数；

步骤10，以综合学习个体 作为基础个体，并以NFit为个体 的当前缩放因子，NCrit为个体 的当前杂交率，产生个体 的试验个体 并计算试验个体 的适应值 其步骤如下:步骤10.1，令计数器j＝1；

步骤10.2，在[1,D]之间随机产生一个正整数jRand；

步骤10.3，在[1,Popsize]之间随机产生两个不相等的正整数RI3,RI4；

步骤10.4，如果计数器j大于D，则转到步骤10.9，否则转到步骤10.5；

步骤10.5，在[0，1]之间产生一个随机实数r5，如果r5小于个体 的当前杂交率NCrit或者jRand等于计数器j，则转到步骤10.6，否则转到步骤10.7；

步骤10.6， 转到步骤10.8；

步骤10.7，

步骤10.8，令计数器j＝j+1，转到步骤10.4；

步骤10.9，计算试验个体 的适应值 转到步骤11；

步骤11，按以下公式在个体 与试验个体 之间选择出个体进入下一代种群：

步骤12，按以下公式更新个体 的综合学习率 缩放因子Fit，杂交率Crit：

步骤13，令计数器i＝i+1；

步骤14，转到步骤6；

步骤15，当前评价次数FEs＝FEs+Popsize，保存种群Pt中适应值最大的个体为最优个体tBest；当前演化代数t＝t+1；

步骤16，重复步骤5至步骤15直至当前评价次数FEs达到MAX_FEs后结束，执行过程中得到的最优个体Bestt即为分割图像的D个分割阈值，并以得到的D个分割阈值对图像进行分割。