图像分割的本质是按照一定的相似性准则把图像分解成多个不相同的区域,然后从中提取出感兴趣目标的过程。图像分割技术一直为人们所重视,在医学影像的分析、交通控制、气象的预先测查、地质勘查探测、人脸与指纹识别等领域的应用中图像分割都取得了重大的开拓性成果。很多研究者对图像分割进行了比较深入的研究,并提出了很多卓有成效的图像分割算法,其中,基于模糊聚类的分割算法是应用较为广泛的一种算法,而最具代表性的是FCM(fuzzy c-means,模糊C均值)算法。本文主要基于FCM的图像分割算法进行研究与改进。首先在分析了图像分割和现有FCM算法的基础上,针对FCM算法初始聚类中心敏感容易局部收敛以及对噪声敏感的问题,提出了一种改进的FCM算法,该算法将遗传算法和融合了空间邻域信息的FCM算法进行了结合。遗传算法有较强的全局寻优能力,利用它获得优化的FCM算法的初始聚类中心,可以避免算法陷入局部极值。融合了空间邻域信息的FCM算法可以在一定程度上提升FCM算法的抗噪性。两种算法的结合可以在分割图像时获得较高质量的分割效果,鲁棒性也更强。然后,本文将所提出的改进分割算法应用到彩色图像上,结合彩色图像三通道信息改善传统FCM算法分割彩色图像所存在的不足,将彩色图像从RGB颜色空间转换为Lab颜色空间,分别在L、a、b三个通道上分割图像,得到三个初始分割结果,融合这三个分割结果,得到最终分割结果。论文最后对算法予以了实现,并通过实验与现有的FCM算法进行了比较分析,实验结果表明,本文算法取得了更好的分割效果。