图像信息是人们感知世界的一种重要形式,随着人工智能的发展,人们对图像处理的要求越来越高,在图像处理的整个过程中,图像分割处于较为基础的地位,对图像识别的准确性有很大的影响,因此图像分割在工程领域和日常生活中都有重要的作用。长久以来,研究者们在图像分割领域进行了深入的研究,图像分割的方法也越来越多样化,但是至今仍然没有一种通用的方法,所以有关图像分割的探索一直在继续。其中模糊C均值（Fuzzy C-means,FCM）算法以其原理简单、贴近实际等特点成为许多学者进行图像分割时所选择的方法。然而传统的FCM算法也存在很多缺点,例如算法的聚类中心是随机进行初始化,导致算法的全局寻优性较差,而且算法对图像中的噪声较为敏感等。针对以上问题,本文在分析了FCM算法的原理之后,提出了以下的创新点:（1）为了避免算法陷入局部最优值,本文提出了一种混合教-学算法的自适应人工鱼群算法,利用了人工鱼群算法较强的全局寻优能力,以此来对FCM算法的聚类中心进行寻优,从而优化FCM图像分割。算法的思路如下:首先针对标准人工鱼群算法采用固定的视野和步长,这种模式可能会使得算法在寻优后期在极值点附近振荡,从而错过最优解,而且导致寻优速度降低,所以本文在参数调整方面通过引入视步系数来调整视野和步长的大小,随着算法的进行,人工鱼的视野和步长将成为一个可变的值,其次在与其他智能算法混合方面,本文通过将另一种智能算法教-学算法也进行了改进,将其教学因子变为自适应的值,再将教-学算法中的交流过程与差分进化的思想相结合,将自适应视野和步长的人工鱼群算法混合改进之后的教-学算法,最终得到了一种寻优速度和精度都较高的改进人工鱼群算法,使用FCM算法的目标函数作为适应度函数,进行了图像分割实验的对比,从实验结果来看,与标准的FCM算法和其他改进的FCM算法相比,该算法的迭代时间平均下降14%-55%左右,分割正确率提升了10%左右。（2）为了解决标准FCM算法对噪声非常敏感的缺点,本文提出了一种基于改进势函数的马尔科夫随机场模型的FCM算法。首先分析了FCM对于噪声比较敏感的原因,对于马尔科夫随机场模型进行了介绍,将标准MRF模型中的势函数变为自适应的方法,加强了图像中像素之间的强度关系,由于MRF模型考虑了像素之间的空间邻域信息,对于图像中的噪声点和不连续点具有能够较好的识别出来并进行分割,因此对算法中的噪声点进行了有效抑制。最终使用改进之后的算法进行了抗噪性检测试验,与其他改进的抗噪性FCM算法进行对比,证明了该算法具有较好的、稳定的抗噪性能。最后,本文将前面提出的两种算法进行融合,对两种算法的优点进行了互补,提出一种基于马尔科夫随机场的改进人工鱼群算法优化FCM图像分割的方法,并在添加了噪声的图像中进行分割实验,通过主观评价和客观数据分析,表明新的算法在分割速度没有减慢的情况下,不仅分割精度高,而且具有良好的抗噪性能。