图像分割，就是依据某些特征准则，把图像划分成若干个具有独特性质的区域。基于聚类的图像分割，是一种无监督算法，能通过分析图像的要素并依据某些准则进行分割。图像分割在各个领域中的地位都十分重要，而基于聚类的图像分割算法在图像分割领域中发挥了关键的作用，所以对基于聚类的图像分割算法进行研究，是非常有意义的。在本文中，将会对现有的基于聚类的图像分割方法进行深入探究，并在此基础上提出自己的改进方法。具体内容可分为如下几个部分。第一部分主要是深入了解现有的聚类算法，分析它们的优缺点及复杂度。其中，尤其对MRSD(Maximize the Ratio of Split to Diameter)算法进行比较详尽的探究。通过结合Normalized Cut算法，进行相关实验，验证了MRSD算法在图像分割中取得了很好的结果。第二部分主要提出了一个基于K-means预处理的MRSD改进算法。因为MRSD算法的时间复杂度较高，难以应用在高分辨率图像分割领域中，所以本文从减少像素点的角度出发，提出了这个适用范围非常广泛的改进算法。通过对高分辨率图像进行分割实验，结果表明该改进算法不仅能够取得令人满意的图像分割结果，而且大大地提高了图像分割的效率。最后，提出了一个基于自适应阈值预处理的MRSD改进算法。由于图像具有其特殊性，可以考虑采用特殊的算法对图像进行预处理。因此，本文提出了这个针对图像的改进算法。与基于K-means的MRSD算法相比，该算法在分割过程中能够更准确地发现图像的区域特征。实验结果表明该改进算法也取得了非常令人满意的图像分割结果。