基于小波聚类的图像分割算法因其具有运行速度快和可以有效提取目标区域的优点而受到广泛地关注。但是小波聚类算法本身存在难以确定划分阈值和聚类精度低的缺点,使用小波聚类进行图像分割得到的分割结果中存在部分体积效应和孤立噪声的问题。因此,本文首先对小波聚类做出改进。在改进的小波聚类中,将小波域中发现的簇类映射回网格空间后,依据网格单元间的相似度将处于簇类边缘的网格单元合并到簇类中,提高了小波聚类的聚类精度。然后将最大模糊相关引入改进的小波聚类算法,提出模糊相关小波聚类,通过最大模糊相关算法为小波聚类确定划分阈值,弥补了小波聚类中依赖划分阈值的不足。最后将模糊相关小波聚类引入彩色图像分割领域,提出一种基于模糊相关和小波聚类的图像分割算法(Fuzzy Correlation and Wave Cluster,FCWC)。在FCWC算法中,首先对图像进行主结构提取,得到纹理抑制的主结构图像;随后将主结构图像划分为若干超像素,解决小波聚类在图像分割过程中产生部分体积效应的问题;然后,简化超像素的颜色特征,计算超像素权重;最后使用模糊相关小波聚类算法得到聚类标签,将标签赋予特征点对应的超像素,得到最终的图像分割结果。本文提出的图像分割算法在确保分割效率的同时,解决了传统的小波聚类图像分割算法中存在的部分体积效应和孤立噪声的问题。使用BSDS500数据库验证本文提出的分割算法,从视觉分割结果可见本文提出的图像分割算法能够有效的分割彩色图像,得到的分割结果优于其他对比算法。进一步对本文算法与其他对比算法的分割结果进行量化评估,实验数据显示,本文算法的PRI最高,Vo I、GCE与BDE最低,具有最高的分割质量。该论文有图13幅,表4个,参考文献65篇。