医学图像分割是临床医学诊断的关键步骤，与普通图像相比，医学图像具有异质性，部分容积效应和噪声的特点。模糊C均值聚类(Fuzzy C-Means，FCM)算法是常用的医学图像分割算法之一。它具有无监督、计算简便、软分割等优点。但是，将其应用到医学图像分割中，也有几个明显的缺点，如对初始值和噪声敏感，没有考虑到像素的邻域像素信息等。而在医学图像中，噪声是不可避免的，并且都具有空间依赖性。　　针对以上现象，本文提出了一个无监督的多分辨率图像分割算法，它结合了小波变换和改进的FCM算法。首先，应用小波变换将图像分解成不同分辨率的图像，利用低分辨率的图像具有全局性、数据量较小以及对噪声不敏感的特性，将其与传统的FCM算法相结合来获得初始分割图像和聚类中心。然后，根据小波系数尺度内聚集和尺度间持续的特性，从粗尺度到细尺度给图像的每个像素贴上标签。最后，利用小波重构得到的分类标签，改进像素到聚类中心的距离，并且利用邻域像素信息改进像素的特征值，再加上初始分割得到的聚类中心，得到一个改进的FCM算法，将其应用于最终的图像分割。　　本文对脑部MR图像和腹部医学图像分别进行了实验，实验结果验证了本文算法的有效性和稳定性。本文算法得到了很好的分割效果，并且大大抑制了噪声的影响，同时还缩短了图像分割运行的时间。