模糊C均值(FCM)是一种经典的聚类算法,广泛地应用于图像分割。近年提出的局部约束改进FCM算法仅利用了局部图像像素的统计信息，而忽视了相应的结构信息，导致算法在去除噪声时会破坏图像细节，因此，无法同时在去除噪声和保存图像细节上取得最优。　　为使算法在有效地去除噪声干扰同时能保留图像细节，本文通过引入方向微结构信息提出一种新的对噪声鲁棒的FCM改进算法。在局部图像区域中，由于存在图像纹理细节，使得局部图像像素可以组合成很多的微型结构。位于同一个微结构中的像素之间具有更高的相似度，而微结构中的像素与其他的局部区域像素之间则具有较低的相似度。基于以上假设，本文提出一个称为相对方向方差的概念来定义图像局部区域的微结构约束，并在相对方向方差和现有局部图像统计性相似性测度基础上定义了一个新的图像局部像素相似性测度—微结构相似度。新的相似性测度不仅能够有效地反映了局部图像像素的空间、灰度的统计信息，而且可以有效地反映相应的结构信息。　　首先本文把局部图像中的像素分为若干个方向，将每个方向上像素的方向方差和垂直于该方向的所有方向方差的平均值的比值定义为相对方向方差。在FCM开始迭代之前，本文应用微结构相似度测度来识别出局部图像存在的方向微结构，并将该方向微结构中的像素自适应地赋以较大的约束权值。然后应用相对方向方差的最小值作为开关变量，用于检测冲击噪声点，以便于去除这些噪声的时候减少图像模糊。接着，本文执行基于直方图的FCM迭代。在FCM迭代之后，基于隶属度函数本文定义了方向微结构检测变量，用于判定孤立点，同时利用局部隶属度函数约束相应的孤立点像素，从而实现去除噪声同时保留结构细节。上述步骤构成了一个高效而且对噪声鲁棒的具有良好扩展性的FCM分割算法框架。实验显示，在没有噪声和图像先验信息的情况下，新分割算法在鲁棒地去除噪声的同时能很好地保留图像细节。　　最后，本文结合地形图在Lab空间的投影特征，将新算法应用到地形图的分色当中，提出了一个有效的地形图分色框架。实验显示，该框架能有效用于地形图分色。