1.一种局部参数自适应的工业CT图像分割方法，其特征在于包括下述步骤：步骤(1)：基于遗传算法的局部窗口内参数自适应优化；设原图像O的长为H，宽为W，灰度级为L，i表示行，j表示列，局部窗口边长为15，当前局部窗口分割结果为R，与局部分割结果中目标对应的原图像局部窗口中的像素方差为σobj，与分割结果中背景对应的原图像中的像素方差为σbac，σobj和σbac的差的绝对值为σdif，步骤包括：

1)令i＝1，j＝1，σbac＝0，σobj＝0；

2)将原图像O中第i行、第j列像素设为当前局部窗口中心；

3)利用遗传算法求得使当前局部窗口内σdif达到最小值时的Phansalkar算法参数(p，q，k，r)；

求得使当前局部窗口内σdif达到最小值时的Phansalkar算法参数；

其中，计算局部窗口内σdif的具体步骤包括：

1)找到原图像中分别与局部窗口中背景对应的像素集和{Sbac}：

2)计算集合{Sbac}中像素的方差σbac；

3)找到原图像中分别与局部窗口中目标对应的像素集和{Sobj}；

4)计算集合{Sobj}中像素的方差σobj；

5)计算σdif＝|σbac‑σobj|；

步骤(2)：局部窗口分割；对当前中心像素Oij所在局部窗口内的所有像素，将步骤(1)自适应优化所得参数作为Phansalkar算法参数并计算阈值T，利用T对当前像素进行分割；

其中，窗口内用Phansalkar算法计算阈值T的具体步骤包括：

1)计算当前窗口内所有像素的灰度均值μ；

2)计算当前窗口内所有像素的灰度方差σlocal；

‑q×μ

3)计算阈值T＝μ×(1+p×e )+k×((σlocal/r)‑1))；

其中，用阈值T对当前像素进行分割的步骤包括：

1)若Oij灰度大于T，将分割结果中对应像素Rij的灰度置为L‑1，否则置为0；

步骤(3)：结束判断；若i＝H且j＝W则结束；若j＜W则j＝j+1，转到步骤(1)；若i＜H且j＝W则i＝i+1，j＝1，转到步骤(1)。