1、圖像分割指的是把圖像分解成特性不同的區(qū)域，然后把有用的區(qū)域提取出來的技術(shù)和過程，它是從圖像處理到圖像分析過程中的關(guān)鍵步驟，在圖像工程中占據(jù)著非常重要的地位，并在諸如圖像編碼、模式識(shí)別、計(jì)算機(jī)視覺和醫(yī)學(xué)圖像分析等在很多領(lǐng)域有著實(shí)際的應(yīng)用。
　　由于圖像本身存在許多不準(zhǔn)確性和不確定性，對(duì)于圖像的這種不確定性，模糊理論有著非常好的描述能力，而圖像分割問題等同于將圖像的像素點(diǎn)進(jìn)行分類的問題，近年來，研究者致力于將圖像聚類算法應(yīng)用于圖像分割

2、當(dāng)中，分割效果要比傳統(tǒng)的圖像分割方法好一些，但是經(jīng)典的模糊聚類分割方法還存在很多問題。針對(duì)以上的問題，本文對(duì)模糊C-均值聚類算法作了改進(jìn)。
　　本文把基于模糊C-均值聚類的圖像分割方法作為研究的重點(diǎn)，并分析了該方法的原理和現(xiàn)狀，接著針對(duì)模糊C-均值聚類算法在圖像分割時(shí)存在的問題提出了如下的改進(jìn):
　　首先，本文介紹了和聲搜索算法，它是一種啟發(fā)式優(yōu)化算法，然而該算法在處理復(fù)雜函數(shù)優(yōu)化問題時(shí)容易陷入局部極值，并且收斂精度低。為了

3、解決以上問題，本文提出了一種改進(jìn)的和聲搜索算法，通過測(cè)試函數(shù)對(duì)兩種算法進(jìn)行比較，改進(jìn)的和聲搜索算法具有更優(yōu)越的特性。
　　然后，文本分別把和聲搜索算法(HS)和改進(jìn)和聲搜索算法(IHS)引入到模糊C-均值聚類算法當(dāng)中，利用這兩種算法的魯棒性和全局性有效的克服了模糊聚類對(duì)初始參數(shù)敏感的問題，通過這兩種算法得出聚類個(gè)數(shù)及聚類中心，然后將其作為模糊C-均值聚類算法的初始參數(shù)，從而對(duì)圖像進(jìn)行聚類分割。
　　最后，文本分別使用蟻群聚類