针对最大类间方差准则下的图像分割结果携带原图信息量不足、实时性差和脉冲耦合神经网络（PCNN）模型中循环迭代次数难以确定的问题，提出了群智能算法优化的结合熵的最大类间方差法（OTSU-H）与PCNN融合的自动图像分割算法。首先，充分利用图像的灰度分布信息和相关信息，将图像信息中冗余度、竞争性以及互补性有效地融合，构造二维和三维观测空间，提出了OTSU-H准则的快速递归算法；其次，将快速递推算法的目标函数分别作为布谷鸟搜索（CS）算法、萤火虫算法（FA）、粒子群优化（PSO）算法和遗传算法（GA）四种群智能算法的适应度函数；最后，将优化之后的OTSU-H引入PCNN模型中自动获取循环迭代次数。实验结果表明，与原始的最大类间方差法（OTSU）、最大熵准则以及基于图论分割、像素的聚类分割和候选区域语义分割的图像分割算法相比，所提算法具有较好的图像分割效果，同时降低了计算复杂度，节约了计算机的存储空间，具有较强的抗噪能力。所提算法时间损耗少、不需要训练的特性使得算法的运用范围较广。