考虑现有图割算法没有充分考虑红外图像的模糊特性, 分割精度和运行效率低的缺点, 提出了基于快速递推模糊2-划分熵图割的红外图像分割算法以实现复杂背景下红外图像的自动高效分割。该方法利用图像感兴趣区域的最大模糊熵信息设计图割能量函数的似然能, 基于局部最大模糊2-划分熵值迭代检测出包含图像最大信息的感兴趣区域来确保提取目标信息的完整性。为了提高最大模糊熵寻优的效率, 引入时间复杂度为O(n2)的递推算法, 将模糊熵计算转化为递推过程, 并保存所有递推的熵函数值用于后续的穷举寻优。针对确定的感兴趣区域, 利用该区域最大模糊2-划分时隶属度函数分布设置图割能量函数的似然能, 从而充分考虑图像的模糊特性。对分割结果与几种常用的算法进行了视觉比较及运行时间, 错分率, F指标的量化分析。结果表明：该算法分割精度F值高达95%, 运行时间较其他常用算法至少缩短了72%, 基本满足自动红外图像分割对精度、效率和鲁棒性的要求。

针对现有寻优算法存在的重复计算问题, 提出了基于递推遗传的模糊3-划分熵多阈值荧光原位杂交(Fluorescence in Situ Hybridization, FISH)基因提取算法来提高用模糊划分熵算法提取多阈值FISH基因的效率。采用迭代验证法确定隶属度函数窗宽, 并使用附加边界条件及灰度权重的隶属度函数对图像进行模糊3-划分。为了提高阈值寻优的效率, 引入递推算法将模糊熵的计算转化为递推过程, 并保存部分不重复的递推结果用于后续的计算, 最后采用遗传算法寻优, 使得种群个体的计算能使用预存结果快速搜索全局最优阈值。对提取结果与几种常用算法进行了直观比较, 并对处理时间、分类概率等性能指标进行了量化分析。对多幅不同类型的仿真人工图像和真实FISH图像的测试表明, 处理时间仅为常用算法的1%, 错误划分概率小于6.00×10-2。提出的算法可以准确, 高效地提取FISH基因目标。