图形聚类分析是图像处理研究领域的热点之一。它的应用涉及到国民经济的许多领域,目前已经有许多学者进行了大量的研究。由于将聚类分析应用到图像模式识别可以对统一图像分类识别理论体系起到重要的作用,因此,本文基于图形聚类分析的理论研究有着重要的意义。其主要工作包括以下几个方面：首先,简要介绍了粗糙集理论和蚁群优化算法的相关知识,包括信息表达系统,上近似和下近似,属性约简与核,属性依赖度和重要度等概念和对蚁群算法的理论知识的总结概述。其次,对图像分割与特征提取的方法进行了系统的综述。图像分割和测量是聚类分析的基础,图像分割将图像分割成一些有意义的区域,如何选取阈值是图像能否正确分割的关键；此外,本文还对目前主要的聚类方法进行了深入的研究与分析。最后,本文提出了一种基于粗糙集和蚁群优化方法的聚类分析方法。该方法充分利用蚁群算法的寻优能力,实现图像的识别。首先对所有样本进行编号,然后提取数字特征,再用蚁群算法进行数字聚类,最后用基于粗糙集理论的正域关系进行聚类结果的评价。实验结果表明,所提出的方法是有效的、可行的。