红外图像目标的检测与识别是现代军事武器系统中的核心技术之一,红外面目标的检测主要依靠图像分割技术,而图像分割结果的精确度又决定了后续处理中图像目标提取与识别的准确性和可靠性。基于模糊聚类的图像分割方法是将聚类问题转化为带一定约束的非线性规划问题,通过求解和优化得到图像的模糊划分和聚类。本文对基于模糊聚类的红外图像目标分割方法进行了深入的研究并取得了以下研究成果:首先,针对基于模糊C均值的红外图像分割算法、基于改进的FCM和均值漂移的红外图像分割算法以及基于势函数的自适应模糊C均值红外图像分割算法这三种基于模糊理论的红外图像分割方法进行了仿真实现,并分析了三种算法的优势及不足。此外,本文介绍了两种算法分割质量的客观评价准则,为研究后续算法的性能提供了客观依据。其次,针对模糊聚类算法无法自适应得到合理的聚类数目且该算法对目标区域和背景区域灰度差异较大的红外图像分割率低的问题,本文提出了一种基于多阈值的自适应模糊聚类红外图像分割算法。该算法基于一种由粗到细的多级分割思想,首先采用能有效去除伪峰干扰的多阈值算法对待分割红外图像进行粗分割,然后结合能自适应得到合理聚类数目的模糊聚类算法对粗分割后的图像进行模糊聚类,最终得到更精细的分割结果。实测数据实验结果表明,本文所提算法不仅保留了多阈值分割方法实现简单、速度快的优点,且提高了目标区域和背景区域灰度差异较大的红外图像分割精确度。最后,针对模糊聚类算法无法充分利用图像的全部有用信息,容易陷入局部极小值且无法有效分割背景区域和目标区域灰度差异较小的红外图像问题,本文提出了一种基于模糊聚类的水平集红外图像分割算法。该算法结合了模糊聚类算法和水平集算法各自的优点,先采用经模拟退火算法优化的模糊聚类算法对待分割红外图像进行初始聚类,并将聚类结果转化为水平集分割的初始轮廓,再利用结合了邻域信息的水平集演化控制参数对待分割红外图像进行水平集分割,最终得到目标的分割结果。实测数据实验结果表明,本文所提算法确保了模糊聚类得到全局最优结果,且充分利用了图像的边缘、灰度和邻域信息,提高了背景区域和目标区域灰度差异较小的红外图像分割精确度。