自L.A.Zadeh于1965年提出模糊理论以来，模糊理论已经成为一种重要的智能信息处理方法。模糊聚类算法是模糊理论中的一个重要的分支，是现今模糊理论中应用最广泛的领域之一，并取得了丰富的成果。由于图像所具有的模糊性，近年来一些学者将模糊理论引入到图像处理中，应用模糊理论进行图像分割，图像增强以及边缘检测。本文在研究模糊理论的基础上，对模糊聚类算法在图像分割中的应用进行了一定的探讨。 本文主要工作如下： 1．对模糊理论的基本内容进行了系统的总结和介绍，并详细介绍了模糊聚类算法，分析了模糊聚类算法收敛速度慢且对初始化很敏感的原因，引入了遗传算法，提出了一种改进的模糊聚类算法。 2．在详细介绍模糊聚类图像分割方法的基础上，对应用模糊聚类算法进行图像分割时效果不理想的原因进行了分析，并引入了图像的空间相关信息，构造二维直方图对其加以改进。 3．针对二维直方图在模糊化过程中仍存在大量信息损失的问题，引入了D—S证据理论来融合图像像素灰度信息和空间相关信息，提出了一种基于D—S证据理论的模糊聚类图像分割方法，取得了不错的分割效果。