该文是将遗传算法与聚类分析这两种功能强大的工具相结合,从在特征空间内对象素进行遗传聚类的角度提出了码长固定的和码长可变的两种新颖的遗传聚类图像分割算法,利用该算法直接对彩色图像进行聚类分割,给出了具体的实现程序和实验结果.并在最后,对基于感兴趣区域的图像检索作了简单的探讨.其中,第一种码长固定遗传聚类分割算法(SGACS)取的特征向量为S=(R,G,B,X,y),各分量分别为像素的R、G、B值和坐标位置、当然,若用户对分割结果要求很高或系统需要对不同性质的图像(如纹理图像、非纹理图像)进行分割,则可以简单的对上特征向量S进行扩充,加入纹理信息、梯度信息等,并且可以通过对权重的动态调整来控制各类信息在聚类中所起作用的大小,而算法SGACS不需改变就可以达到很好的效果.SGACS的优点:ⅰ、对初始聚类中心的选择不做要求,不像一般的聚类算法、如FCM、K均值)对初始聚类中心敏感.ⅱ、算法简单,运行速度较快,可以提供不同的结果供用户选择.缺点:聚类数目必须在分割前事先确定,这样有时并不容易.为了克服SGACS的缺点我们提出了第二种码长可变遗传聚类分割算法(DGACS).DGACS将分类数目即染色体的码长融合到适应度函数中,这样就可以在对聚类中心的动态寻优时一起优化聚类数目.从而避免了事先确定聚类数目这一难题.故大大提高了进行图像分割的自动化程度.并在此基础之上提出了第三种可以根据不同彩色图像的特征,自适应调整特征向量中不同向量所占比重的具有一定智能化的通用彩色图像分割算法.