图像分割是计算机视觉领域中最基本最重要的研究内容之一,它为接下来的图像分析、图像理解和描述等方面提供了坚实的基础。近些年来,经过大量学者的研究,发现将模糊集合理论应用于图像分割领域,能够使得算法的分割效果远好于传统方法。但是经典的模糊图像分割方法依然存在问题,它不能很好的分割一维直方图呈非双峰特征的图像。另外,由于红外线图像中目标类像素和背景类像素相差较多,经典的模糊阈值分割算法不能有效分割出红外线图像中的目标,选出的最优阈值不是偏大就是偏小,出现图像过分割或者欠分割问题,因而不适合红外线图像的分割。本文选用余弦定理度量模糊类间距离,能够较准确地选出最优阈值,进而相对精确的分割出红外线图像中的目标。主要的研究工作如下。首先,针对经典的阈值分割算法不能有效分割一维直方图呈非双峰特征的图像的问题,本文利用图像的二维直方图信息设计了新的二维隶属度函数,并首次引入余弦定理度量图像中目标类和背景类像素向量的模糊距离。由此设计了新的阈值分割算法,该算法在处理直方图呈非双峰特征的图像时效果较好。其次,在系统分析经典阈值分割算法不足的基础上,本文以模糊理论为基本框架,并结合信息熵与图像的一维直方图信息,设计了新的一维隶属度函数,对像素的隶属度进行归一化处理,并利用余弦定理来度量图像中目标类和背景类像素向量的模糊距离,并据此设计了新的阈值分割算法,该算法在处理直方图呈近似单峰特征的图像时具有较好的分割效果。最后,本文编程实现了上述算法,验证了上述算法的正确性,并将实验结果与现有的阈值分割算法进行对比分析,给出了实验结果的分析与总结。同时,针对阈值分割算法的未来发展做出了预测与展望。