聚类分析是数据挖掘的重要手段,在医疗诊断、图像处理、信息检索、统计学、生物学等领域的应用都非常广泛。聚类算法能够在图像分割过程中实现良好的分割效果,具有很好的应用价值、推广价值和社会价值。随着人工智能及计算机技术的发展,图像分割技术广泛应到图像制导、无人飞机、车辆牌照识别、医学图像识别、语音识别、人脸识别、指纹识别、纸币识别等众多学科领域。实现它们的核心就是图像处理、计算机视觉、模式识别、智能控制等相关知识。可见,图像分割质量的好坏直接影响后续图像处理的效果,甚至决定其成败。因此,选择正确的图像分割方法是实现图像分析处理的关键步骤,也是图像处理、模式识别和人工智能等领域的现实课题。本文在分析国内外研究现状的基础上,从图像分割原理着手,并用传统图像分割方法(阀值分割算法、边缘分割算法、区域分割算法)和特定理论的图像分割方法(基于模糊理论、基于水平集、基于活动轮廓模型、基于图论的图像分割方法)进行阐述;进而向聚类算法求解,具体描述了K-means算法、层次聚类算法、谱聚类算法的原理思想、实现方法以及优缺点;提出了“基于AP聚类算法的图像分割技术”的构想,并使用MATLAB软件对分割算法进行了仿真,实现了提高图像分割质量问题的深入研究和最终解决,推动了图像分割技术的成熟和发展,为解决其它类似复杂模式识别问题的研究提供重要参考基础。