目前,光学显微镜图像分析技术应用于固体氧化物燃料电池(Solid Oxide Fuel Cell,简称SOFC)阳极微观结构表征仍处于起步阶段。其中,三相识别是由微观结构图像处理到分析的关键步骤。由于复合材料物理特性及真实成像环境,多孔Ni-YSZ阳极图像存在较多不确定性问题。模糊聚类算法能借助隶属度对像素点分类的不确定性进行描述,在图像分割领域得到了广泛应用。因此,本论文针对电极微观结构图像自身特征,对现有的模糊聚类算法进行深入研究,并获得了两种简单且有效的Ni-YSZ阳极图像三相识别算法。1.针对电极图像分割精度低的问题,本文结合了高斯混合模型(Gaussian Mixture Model,简称GMM)与模糊逻辑模型,提出了一种量子衍生混合聚类模型分割算法。首先,利用邻域像素点的GMM先验概率和模糊隶属度的平均值定义了一种新的马尔可夫(Markov Random Field,简称MRF)团势函数,考虑了电极图像的先验统计信息和空间邻域信息;其次,采用量子比特构造了量子衍生自适应模糊因子,引入到MRF团势函数中,避免了人工参数选择问题;最后,采用对数先验概率设计距离测度进行聚类,提高了算法的分割精度。实验结果表明,该算法获得了更佳的分割准确率,具有更强的噪声抑制能力和细节保留能力。2.针对电极图像中灰度不均匀及噪声问题,本文提出一种噪声抑制和偏移场矫正的模糊核函数聚类分割算法。对电极图像进行统计建模,首先,采用基于主成分分析的抑噪算法初步去除图像中的噪声;其次,将偏移场矫正理论和核函数引入模糊聚类算法以改善三相分割对于光照不均、噪声引起的细节丢失问题。由于:1)抑噪算法考虑了图像局部相似性;2)使用了一组平滑基函数线性表示图像中的偏移场;3)引入核函数作为距离度量,改进模糊聚类算法能准确分割灰度不均匀电极图像,分割结果区域一致性更好,最终能获得更为清晰、准确的三相二值图。本文针对如上两方面问题提出了相应算法,实验结果表明本文提出的方法简单有效,为SOFC微观结构参数提取提供了理论支撑。