我国是一个少油少气多煤的国家,煤炭的消费比例大约占能源总体消费水平的70%左右,其中工业锅炉消耗原煤占中国能源消费总量的18%。然而目前我国运行的大多数锅炉系统长期处在高能耗、高排放以及低服役期的状态,造成了巨大的能源浪费和严重环境污染。这是由于原煤的燃烧是一个非常复杂、剧烈的氧化反应,它的工况是极不稳定,难以控制造成的。因此如何对燃烧的火焰进行有效的监控,是燃煤锅炉安全、高效生产的重要保证。计算机视觉和图像处理技术的不断进步,为锅炉燃烧状态监控带来了更加直观、高效的方法和手段。基于计算机视觉的锅炉燃烧监控系统的关键就是准确提取火焰目标,而图像分割技术的研究就是为了解决这一问题。但现有的分割研究大多针对于灰度图像,并且存在着通用性差、分割效果不佳和实时性不够好等缺点。本文针对现有锅炉火焰分割算法的不足,在各类分割算法的分析的基础上,发挥聚类算法通用性强的优势,结合Lab图像颜色空间的优点,通过对FCM算法进行改进,提出了结合爬山法的模糊C均值彩色图像分割方法并用该方法对火焰图像进行的仿真实验。实验证明改进后的算法在通用性、实时性方面有着显著的提升,并且得到了十分准确的分割结果。为改进现有火焰分割算法通用性,论文分析了现有的图像分割技术,确定聚类算法作为本文的火焰分割算法。重点研究模糊聚类算法以及包括HCM、FCM和HFCM在内的三种经典的模糊聚类图像分割算法,并阐述了这些算法存在的缺陷。通过研究,利用爬山法对颜色直方图进行处理,解决了初始参数难以确定和迭代计算量大的问题；充分发挥Lab彩色图像的优势,解决了分割效果不佳的问题；对分割结果的后处理解决了忽略空间信息的问题；利用上述方法有效提高的锅炉火焰分割的通用性、实时性,显著改善了分割效果。论文以聚类算法在锅炉火焰分割上的应用为主要研究内容,提出的算法有效提高了火焰分割的通用性、适应性,显著改善了分割效果,对锅炉的安全、高效生产有着重要的应用价值。文章以彩色图像为研究对象,重点研究了模糊聚类分割算法,对以后的彩色图像分割研究和聚类算法的具有重要的理论意义。