1、圖像分割是圖像分析和模式識別的首要問題，也是圖像處理的經(jīng)典難題之一，它是圖像分析和模式識別系統(tǒng)的重要組成部分，并決定圖像的最終分析質(zhì)量和模式識別的判別結(jié)果，它將圖像分成各具特征的區(qū)域并提取出感興趣的目標。近年來，許多學者提出了很多圖像分割方法，比如:閾值分割法，邊緣檢測法，區(qū)域生長法，模糊聚類法等等。模糊C均值聚類算法作為應用最廣泛的圖像分割算法已經(jīng)成功地應用于社會中的很多領域，比如:大氣學，地理學，醫(yī)學圖像，目標識別等等。
　　

2、首先，本文提出一種基于最小對手抑制的FCM圖像分割方法。傳統(tǒng)FCM算法忽視數(shù)據(jù)對聚類中心的影響。該算法提出抑制因子和抑制對手，削弱了初始數(shù)據(jù)對聚類中心影響，避免了聚類收斂速度慢的問題。另一方面削弱了次最大隸屬度的負向影響，提高了正向隸屬度，加快了算法的收斂速度，實驗結(jié)果表明本文算法分割更加合理行。
　　其次，為了提高圖像分割的效率，提出了一種基于2維直方圖加權(quán)的FCM聚類分割算法。該方法先通過構(gòu)造合理的2維直方圖對噪聲進行抑制;然