彩色图像包含了丰富的颜色信息,是对客观存在的物体的一种相似性的生动模仿或描述。近年来,彩色图像越来越广泛地应用在了科学研究、军事技术、工农业生产、医学、气象及天文学等领域中。颜色是描述图像信息的重要元素,依据它,可以将我们所需要的目标从场景中区分和提取出来。本课题所研究的图像分割是指将图像中具有特殊涵义的不同区域区分开来,这些区域是互相不交叉的,每一个区域都满足特定区域的一致性。随着计算机视觉技术的发展,彩色图像分割方法的研究也成为一大热点。课题对彩色图像的分割提出了一套完整的算法,包括对图像颜色的量化、聚类和区域生长三个阶段。在颜色量化时,论文提出了两种方法:一种是基于调色板量化方案,另一种是最小色差合并原则量化方案,可以根据图像的大小和算法效率的需求进行选择。在颜色聚类时,对模糊C均值聚类方法进行了改进,使其在低照明度的情况下使用HSI空间中的欧式距离,以增进聚类的准确性,并采用优化模糊聚类算法来自动选择初始聚类中心及聚类数目。区域生长时,通过对聚类结果中像素空间的区域连续性的判断来决定是否采用区域生长算法,使得图像分割效果最佳。论文首先介绍了课题的研究背景及意义,指出了图像分割图像工程中的重要地位以及它的应用领域,阐述了现有的彩色图像分割的理论和方法,指出了它们适用的范围和优缺点。而后在每个阶段算法中充分融合了多个颜色空间的优点,并给出了评价,最后通过实验验证了算法的有效性。