图像分割是图像工程中一个重要而基本的问题，尤其在图像理解、成像目标的识别与跟踪、机器人视觉中是一项关键技术。分割结果的好坏，对视觉系统的性能影响很大.阈值分割是最基本的图像分割方法之一，该方法简单且便于操作。但是，在处理一些内部照度不均匀、明暗差别大以及目标与背景之间存在边缘模糊等不确定问题的图像时，选择恰当的阈值成为解决图像分割的难点。　　 模糊理论对于图像的这种不确定性有很好的描述能力.在模糊集理论中，模糊熵是描述一个模糊集的模糊性程度的重要工具。因此，基于模糊熵的图像分割方法成为图像分析的研究热点，并且分割效果要好于传统的图像分割方法。但是随着研究的深入，该方法遇到一些难题，如：如何根据图像的先验知识合理确定象素特征的隶属函数；如何设计有效的模糊熵测度，使图像的模糊划分更加合理；对于目标灰度与背景灰度有重叠的图像，如何运用动态阈值完整地分割出目标等。　　 因为二型模糊系统在处理不确定性信息方面有其特有的优势，本文以二型模糊集理论为基础开展图像阈值分割技术的研究，主要研究内容包括以下四个方面：　　 首先，研究二型模糊集的模糊熵度量理论。　　 其次，构造新型自适应的模糊因子，建立区间值模糊集的上、下隶属度。　　 再次，研究一种新的区间值模糊集的全局阈值分割算法。　　 最后，结合区间值模糊集全局阈值分割算法和边缘检测技术研究一种新的动态阈值图像分割算法。