随着计算机网络以及多媒体技术的应用普及，人们开始要求更多的图像信息。又由于彩色图像比灰度图像更容易观察越来越受到青睐并迅速发展起来。所以如何提高彩色图像处理的质量显得尤为重要。而其中最基础的处理技术也就是彩色图像的分割。　　 迄今为止，基于灰度图像分割已有许多较成熟的算法，但彩色图像分割因为其彩色分量的复杂性，发展至今仍没有普遍适用的彩色图像分割算法。本文对目前彩色图像分割中常用的模糊C均值聚类算法（FCM）及其结合智能信息处理技术的算法进行了详细的分析与研究。首先对现有的利用量子粒子群FCM（QPSOFCM）算法解决彩色图像分割的方法进行了进一步的改进，很好的解决了现存QPSOFCM算法的分割效果不太理想的问题。又由于量子粒子群优化算法存在容易陷入局部最优，本文采用混沌量子粒子群算法，并用优化算法有效性的三个测试函数，对混沌量子粒子群优化算法（CQPSO）进行测试，测试结果表明，CQPSO从迭代次数及平均寻优效果明显优于基本粒子群算法（PSO）和量子粒子群优化算法（QPSO）。进而提出了一种基于混沌量子粒子群FCM（CQPSOFCM）的彩色图像分割算法。该算法采用混沌技术对找到的聚类中心进行扰动，可使其跳出局部最优，提高了全局搜索能力。经过仿真实验的结果表明，与QPSOFCM算法相比，本文提出的CQPSOFCM算法可得到更好的分割效果。