图像分割是一类实用图像处理技术,为后续图像识别等提供重要的图像目标信息。图像分割技术将一副图像按像素灰度、颜色或纹理差异分成多个区域,每个区域代表图像中的特定对象。在真实环境中,图像在成像、传输、编解码等过程中易受环境噪声影响,给图像分割带来困难。由于图像噪声存在不确定性,而模糊C均值（Fuzzy C-Means,FCM）聚类作为一种软计算方法,能够较好处理不确定性问题,因此FCM聚类近年来获得了广泛研究。然而,在总体上,原始FCM聚类未考虑图像像素周围空间的信息,对噪声鲁棒性差。其次,FCM聚类仍存在以下问题:1)一些改进FCM聚类的目标函数附加项权重需要手动给定,算法灵活性低;2)原始FCM聚类未考虑迭代次数问题;3)图像非局部空间信息（或称图像区域级信息）计算速度慢,则基于图像非局部空间信息的改进FCM聚类效率不高;4)图像噪声严重时,非局部空间信息可能产生噪声过度保持问题,使FCM聚类误分割;5)图像噪声不仅不确定性高,而且容易使隶属度矩阵模糊性变高,使隶属度产生较多离群值。本文在FCM聚类基础上,主要研究了多种改进FCM聚类对噪声图像分割任务的解决方案,主要工作有:（1）对FCM聚类噪声图像分割算法的研究进展和数学方法进行介绍与分析。（2）针对FCM对抗噪声性能较弱和迭代次数较多的问题,提出一种基于自适应局部空间与灰度信息以及隶属度连接的改进FCM算法,FCM＿SICM算法。该算法首先采用快速近似双边滤波计算图像局部空间和灰度信息,然后分别计算各聚类簇中所有隶属度之和,改为对数形式,作为目标函数分母,用于减少迭代次数,最后计算原始图像和双边滤波图像之差的绝对值,与一个经验常数相乘,作为滤波图像和聚类中心相似度的权重,并将权重的倒数作为原始图像和聚类中心相似度的权重,实现自适应加权。利用分割准确度、平均交并比、E-Measure和迭代次数等指标,实验表明,FCM＿SICM算法第一改进了噪声图像分割准确度,第二减少了迭代次数。（3）针对非局部空间信息计算复杂度高的问题,提出一种基于快速自适应非局部空间信息与隶属度连接的改进FCM算法,FANFCM＿M算法。该算法首先将逐像素循环改为搜索区域循环,降低循环次数,每次循环中利用矩阵并行计算提高计算效率,其次采用隶属度连接减少迭代次数,最后求原始图像和非局部空间信息图像之差的平方,乘以一个可调参数,作为非局部空间信息图像与聚类中心相似度的权重,并将权重倒数作为原始图像与聚类中心相似度的权重。利用分割准确度、归一化互信息、运行时间和迭代次数等指标,实验表明,FANFCM＿M算法不仅克服了利用图像局部信息分割大噪声图像时的伪轮廓问题,而且提高了分割准确度,降低了运行时间。（4）针对非局部空间信息易产生噪声过度保持问题和隶属度均值模板作为隶属度先验信息加入KL散度容易受噪声影响出现隶属度离群值问题,提出一种基于自适应局部和区域级信息（即非局部空间信息）以及隶属度局部中值的改进FCM算法,FALRCM算法。第一,利用快速方法计算图像区域级信息,再计算区域级信息图像的均值滤波图像,得到过度保持度量,然后考虑该度量的局部邻域,构成权重,对区域级信息图像和聚类中心相似度以及区域级信息的均值滤波图像和聚类中心相似度分别加权,构成线性加权欧氏距离相似度。第二,计算上一次迭代的隶属度的局部均值,作为KL散度分母,加入目标函数。第三,计算原始图像和区域级信息图像的局部方差图像,作差,作为指数加入以e为底的指数函数,再与一个可调参数相乘,作为线性加权相似度的权重,并将该权重的倒数作为原始图像和聚类中心相似度权重。运用隶属度划分系数、隶属度划分熵、分割准确度、平均交并比、峰值信噪比等指标,实验表明,FALRCM算法不仅大幅提高隶属度划分明确性,而且提高了强噪声环境下图像分割准确性,其中二分割实验中,对于像素不属于的聚类簇,其隶属度小于10-10。