固体氧化物燃料电池(Solid Oxide Fuel Cell,SOFC)经长时间运行后,它的阳极性能会发生退化,而其阳极微观结构中Ni颗粒分析是SOFC阳极性能退化机制研究的重要部分。如今,基于图像分析法的微观结构研究还处于探索阶段。为此,本文根据SOFC阳极显微图像中三相呈现的固有特征,深入研究阳极显微图像的三相分割算法,同时提取分析短期工作时间和长期工作时间的SOFC微观结构中Ni颗粒相关参数,给SOFC阳极微观结构研究提供较可靠的方法支持。针对阳极显微图像分割精度较低的难题,本文将超像素思想和模糊聚类方法结合起来。首先,利用基于马尔科夫随机场(Markov Random Field,MRF)的模糊聚类设计新的超像素分割目标函数,充分考虑像素的空间位置和邻域信息,克服噪声和灰度不均的干扰,产生边界贴合度较高且内部目标较单一的超像素;其次,借助自适应核函数模糊聚类方法,对超像素进行聚类,实现最终的三相识别。该方法能较好地抑制噪声和灰度不均,提高分割精度。针对阳极显微图像的灰度不均特性和边界模糊性的难题,本文提出了基于偏置场矫正的直觉模糊聚类方法。以直觉模糊集为基础,描述边界像素点信息。同时,通过一组线性平滑基函数构造的偏置场对图像进行建模,实现图像的灰度不均矫正。利用邻域像素点的平均模糊隶属度定义MRF团势函数,采用量子信号处理理论构造MRF团势函数中的自适应直觉模糊因子,提高算法抑制噪声的能力。该方法可以提高严重灰度不均条件下的阳极显微图像分割准确度,进一步增强图像细节保持能力。最后,基于上述的方法获得的分割结果,利用金相学和粉体材料学相关理论知识,提取阳极微观结构特征参数(Ni含量及颗粒粒径)。通过统计不同工作时长电池微观结构中Ni颗粒的粒径分布,分析经长时间工作后电池的Ni颗粒变化趋势,有助于SOFC阳极性能退化与其微观结构的研究。