图像分割是图像处理到图像分析的关键步骤之一,其主要应用于医学图像处理、遥感图像处理、模式识别和计算机视觉等领域。近年来,图像分割技术受到了许多学者的广泛关注。随着对图像分割技术的研究,学者们提出了大量的分割方法,其中模糊聚类是最为广泛研究和应用的重要方法之一。在现有的模糊聚类算法中,模糊C-均值算法(FCM)的应用最为广泛并且比较成功。但FCM算法对噪声和孤立点比较敏感,同时没有考虑图像的空间邻域信息,在处理被噪声干扰的图像时常会得到不理想的分割结果。为了改善这些缺陷,学者们提出了大量的FCM改进算法。模糊局部信息C-均值算法(FLICM)提出一种模糊因子将局部空间信息和局部灰度信息联系在一起,提高了算法的鲁棒性和抗噪性。为了进一步改善该聚类算法的分割性能,将其推广至再生核空间并对其模糊权因子采用像素邻域方差信息修正,并获得具有较强鲁棒性和抗噪性的核空间模糊局部信息C-均值算法(KWFLICM),但是对于对比度较弱的灰度图像,其分割和抗噪效果比较差。基于虚拟焦点的模糊C-均值算法(FCMFP)在FCM算法的聚类目标函数中引入一个观察点构成一个正则项,正则因子控制着观察点的位置(观察点相当于光学透镜中的焦点),通过调节正则因子则可以获得不同的分割效果,提高了算法的鲁棒性。本文研究了模糊聚类中颇为流行的模糊C-均值算法和核空间模糊局部信息C-均值算法,针对FCM算法和KWFLICM算法的不足进行了改进。本文主要完成了以下工作：1、针对核空间模糊局部信息C-均值算法对低对比度灰度图像抗噪性差的不足,提出一种基于噪声距离的核空间邻域信息模糊聚类算法。该算法在现有KWFLICM算法的基础上改变隶属度约束条件并引入噪声距离δ获得一种改进的聚类目标函数,并借鉴现有噪声聚类思想构造出具有良好抗噪性的模糊聚类迭代隶属度和聚类中心表达式,最后给出相应的聚类算法。最后通过实验结果证明,对于椒盐噪声干扰的对比度较弱的灰度图像,该改进算法比KWFLICM算法更有优势。2、针对模糊C-均值算法对灰度不均匀图像分割模糊的不足,提出一种基于虚拟焦点的正则化模糊聚类算法,并将其推广到直方图上,获得与其等价的直方图快速聚类算法。该算法借鉴FCMFP算法的思想,通过对FCM算法的聚类目标函数中引入一个正则项,构造一种改进的聚类目标函数,同时推导出聚类迭代求解的隶属度和聚类中心表达式,最后给出相应的聚类算法。最后通过实验结果证明：该改进算法有效改善了FCM算法的分割性能,可以准确地将目标分割出来,分割效果较好。3、针对基于虚拟焦点的正则化模糊聚类算法抗噪性弱的不足,提出基于二维直方图加权的虚拟焦点正则化模糊聚类算法。该算法充分利用像素邻域信息同时考虑了不同维属性对聚类结果的影响,在一定程度上提高了其对噪声的鲁棒性。最后通过实验结果证明：该改进算法对于被椒盐噪声或高斯噪声干扰的灰度图像具有良好的抗噪效果。