在当今社会,图像数据呈爆炸式增长,图像在人们学习工作生活中占据越来越重要的地位。面对如此庞大的数据,如何有效地提取可用信息是图像处理领域的主要课题。图像分割是指把图像分解成各具特性的区域并提取出感兴趣目标的技术和过程,它作为图像处理的一门关键技术,直接关系着图像分析、图像理解和图像识别的质量。图像分割研究近几年一直是热点问题,学者提出的分割算法数以千计,其中基于模糊C均值聚类算法的图像分割方法是一类极其普遍且有效的方法。随着人们对图像分割精度的要求不断提高,模糊C均值算法也得到了不断的发展。针对图像数据的特性,加入空间特征信息项的模糊C均值聚类算法成为研究热点,其中,FCM_S(Fuzzy c-means clustering with constraints)算法以及FLICM(Novel robust fuzzy local information c-means clustering)算法是融入区域空间特征信息的代表算法。通过对FLICM算法及其相关算法的研究,作者发现并证明了FLICM算法的解不是其目标函数最小化的结果,导致了FLICM算法不收敛,并且进一步说明了FLICM算法框架不存在闭式解,因此,继承FLICM算法框架的算法均存在不收敛的问题。作者改进了FLICM算法的目标函数,使得区域空间特征信息更好的融入聚类算法,同时针对目标函数没有闭式解的问题,设计了使用遗传算法解决目标函数优化问题的方案,提出了基于遗传算法的图像分割算法—-GAFLICM算法。在人工合成图像以及自然图像上的实验证明了GAFLICM算法具有更好的抗噪声能力,改善了图像分割的效果。图14幅,表6个,参考文献44篇。