图像分割是图像分析和模式识别的首要问题,也是图像处理的经典难题之一,它是图像分析和模式识别系统的重要组成部分,并决定图像的最终分析质量和模式识别的判别结果,它将图像分成各具特征的区域并提取出感兴趣的目标。近年来,许多学者提出了很多图像分割方法,比如：阈值分割法,边缘检测法,区域生长法,模糊聚类法等等。模糊C均值聚类算法作为应用最广泛的图像分割算法已经成功地应用于社会中的很多领域,比如：大气学,地理学,医学图像,目标识别等等。首先,本文提出一种基于最小对手抑制的FCM图像分割方法。传统FCM算法忽视数据对聚类中心的影响。该算法提出抑制因子和抑制对手,削弱了初始数据对聚类中心影响,避免了聚类收敛速度慢的问题。另一方面削弱了次最大隶属度的负向影响,提高了正向隶属度,加快了算法的收敛速度,实验结果表明本文算法分割更加合理行。其次,为了提高图像分割的效率,提出了一种基于2维直方图加权的FCM聚类分割算法。该方法先通过构造合理的2维直方图对噪声进行抑制;然后通过分解来缩减聚类样本集;最后利用加权FCM聚类算法进行分类。仿真结果表明,该方法的效率明显优于标准的FCM算去。最后,本文又基于SAR图像灰度级分布模型,提出了一种结合空间信息模糊域图像分割方法。该方法不但可以达到像素级的分割精度,而且较好的抑制了相干斑噪声的影响,而且处理速度优于MRF方法。