图像分割是由图像处理到图像分析的关键步骤，在图像识别和计算机视觉领域占举足轻重的位置。近年来，研究者们将模糊聚类应用于图像分割算法中，其中最著名的是模糊C均值(fuzzy C means, FCM)算法。但是FCM算法用于图像分割时有很多缺陷，比如聚类类别数需要提前确定；对初始参数相当敏感；抗噪能力弱；对非凸型集群识别能力弱，容易陷入局部极值等。本文针对FCM算法的缺陷，着重进行了研究，主要研究归纳如下：1)针对FCM算法抗噪能力弱的缺点，本文采用自适应中值滤波器，并结合加权FCM算法，进行迭代滤波分割，提出了基于图像滤波的加权FCM图像分割算法。通过实验表明该算法不仅能抑制噪声的影响，而且有很好的分割效果；2)引入主分量变换，通过2D直方图分析在RGB彩色空间上自动确定聚类数目和初始值，提出一种自适应的彩色图像分割算法。实验表明，该算法不仅弥补了FCM聚类图像分割中的不足，而且对彩色图像的分割效果非常理想；3)将主分量变换引入到多中心的图像分割算法中，在RGB彩色空间上自动确定聚类数目，并引入谱聚类和传递闭包，构造新的相似矩阵，提出基于传递闭包和谱聚类的FCM彩色图像分割方法。该方法的有效性在实验中得到了验证，同传统的FCM聚类图像分割算法比较，新方法具有更好的分割效果。