图像分割是从图像处理到图像分析的关键步骤,其质量直接影响后续的处理效果。几十年来,国内外学者们一直非常重视图像分割的研究,提出了数以千计的相关算法。其中,模糊C均值聚类算法(FCM)作为一种结合了模糊理论和聚类分析的分割算法,既能较好地表示像素隶属关系的模糊特性,又能实现无监督分割,因此被广泛应用于图像分割领域。本文基于FCM的彩色图像分割算法进行研究。首先概述图像分割的相关理论和方法,然后详细分析了模糊C均值聚类算法在图像分割中的研究动态。针对现有FCM算法存在的一些问题,本文提出了两种新的彩色图像分割算法。主要工作如下:1.针对现有FCM算法存在的对初始条件敏感且抗噪性能不佳的问题,提出了一种基于FCM聚类的自适应彩色图像分割算法。首先通过直方图阈值方法分别得到彩色图像RGB各分量直方图的分割阈值;然后利用区域分裂合并方法获得聚类个数和初始聚类中心;最后使用一种考虑了像素间邻域信息的模糊C均值聚类算法对图像聚类,得到最终分割结果。实验证明,该算法对彩色图像具有良好的分割效果,与现有同类主要算法相比,其分割效果和抗噪性能都有明显的提高。2.为了解决现有FCM算法计算复杂度较高且分割效果不够理想的问题,提出了一种基于超像素的FCM彩色图像分割算法。首先使用简单线性迭代聚类(SLIC)算法得到彩色图像的超像素;然后根据超像素之间的颜色、边界及空间位置关系,计算每个超像素与周围超像素间的相似性,并根据该相似性对颜色信息作加权处理,得到超像素的综合颜色信息;最后利用FCM算法对超像素进行聚类,得到最终分割结果。实验结果表明,所提出的算法不仅分割效果优于现有同类算法,而且大大降低了计算复杂度。