1.一种改进反向和声搜索优化的多阈值图像分割方法，其特征在于，包括以下步骤：步骤1，输入需要分割的图像HM；

步骤2，用户初始化参数，所述初始化参数包括分割阈值数量D，和声库大小Popsize，变异率Pmu，最大评价次数MAX_FEs；

步骤3，令当前演化代数t＝0，当前评价次数FEs＝0；

步骤4，设置D个分割阈值的下界LBj和上界UBj，其中维度下标j＝1,2,...,D；

步骤5，随机产生初始和声库 其中个体下标i＝1,2,...,Popsize，并且 为和声库Pt中的第i个个体，存储了D个分割阈值；

步骤6，计算和声库Pt中每个个体的适应值；

步骤7，令当前评价次数FEs＝FEs+Popsize；

步骤8，保存和声库Pt中的最优个体Bestt；

步骤9，执行和声搜索策略产生一个试验个体Vt，具体步骤如下：步骤9.1，令计数器ki＝1；

步骤9.2，如果计数器ki小于或等于D，则转到步骤9.3，否则转到步骤10；

步骤9.3，在[0,1]之间产生一个随机实数R1；

步骤9.4，如果R1小于Pmu，则转到步骤9.5，否则转到步骤9.6；

步骤9.5，令 其中rand(0,1)表示在[0,1]之间产生随机实数的函数，然后转到步骤9.8；

步骤9.6，按以下公式计算音频因子RX：其中Worstt为和声库Pt中的最差个体；

步骤9.7，令

步骤9.8，令计数器ki＝ki+1，转到步骤9.2；

t

步骤10，计算试验个体V的适应值，并令当前评价次数FEs＝FEs+1；

步骤11，执行组合反向学习策略生成试验个体Vt的反向个体Ut，具体步骤如下：步骤11.1，按以下公式计算和声库Pt的搜索下界 和上界其中i＝1,2,...,Popsize，j＝1,2,...,D；min为取最小值函数，max为取最大值函数；

步骤11.2，按以下公式计算试验个体Vt的反向个体Ut：其中维度下标j＝1,2,...,D；组合因子HK的值为[0,1]之间的一个随机实数，反向因子CW的值为[0,1]之间的一个随机实数，HI1为[1,Popsize]之间的一个随机整数；

步骤12，计算反向个体Ut的适应值，并令当前评价次数FEs＝FEs+1；

步骤13，令个体BIt为试验个体Vt和反向个体Ut两者之间的更优个体；

步骤14，在当前和声库中的最差个体Worstt与个体BIt两者之间选择出更优个体进入下一代和声库：步骤15，令当前演化代数t＝t+1，并保存和声库Pt中的最优个体Bestt；

步骤16，重复步骤9至步骤15直至当前评价次数FEs达到MAX_FEs后结束，将执行过程中得到的最优个体Bestt作为D个分割阈值，利用得到的D个阈值对图像HM进行分割。