图像分割是图像处理、模式识别的基础和关键技术。图像分割的结果将直接影响到后续相关处理。由于图像本身固有的许多不确定性,加大了图像分割的难度。这些不确定信息很多不具有随机性,因此不适合使用概率论、经典数学处理。1965年Zadeh提出的模糊理论是对经典二值逻辑的扩展。模糊理论对不确定性事件和不精确性知识的描述和处理具有先天的优势。基于模糊理论的模糊分割技术己成为图像分割的一个重要分支和研究热点。对基于模糊理论及其扩展的图像分割算法进行研究,以便更好地处理图像中的模糊、不确定性信息,提高图像分割的精确度,具有重要的理论意义和应用价值。本文对模糊分割技术进行了深入、系统的研究,使用经典模糊理论设计了图像分割算法,对模糊图像特别是模糊边缘进行分割识别；为满足实际应用中医学超声图像分割的高精度要求,对模糊分割算法进行了改进。本文率先将中智理论这一崭新的扩展模糊理论引入图像分割,定义了新的三域图像表达方式,不但提高了对图像中不确定性信息的表达能力,而且可以在这个统一的图像分割框架下综合使用多种信息,解决了现有模糊分割算法难以利用多种图像信息的问题,可以更好的处理一些复杂的图像分割问题。本文的研究成果不仅为解决图像分割瓶颈问题提供了新的思路和方法,还可以进一步推广到图像增强、去噪等其它图像处理领域,具有重要的理论意义和广泛的应用前景。本文的主要工作和创新点概括如下：1)设计了基于经典模糊理论的模糊分水岭算法FWST。FWST能够对模糊图像中的模糊边缘进行准确识别,解决了传统WST的过分割现象,抗噪性好,运行速度快。将FWST应用到实际的医学图像分割问题—BUS图像肿瘤全自动分割中,能够得到较理想的分割结果。传统WST方法能够生成封闭、精确的边缘,因此被广泛应用于图像分割中。然而WST方法对噪声敏感,过分割现象严重。本文在分析图像模糊性的基础上,将经典模糊理论与WST算法相结合,通过直方图和模糊最大熵原理对图像模糊化,使用INT算子增强模糊边缘信息,在模糊域上预处理后使用WST方法进行分割。实验结果表明,相比非模糊的边缘检测算法和改进的WST算法,FWST的分割结果更精确。2)定义了基于扩展模糊理论—中智理论的图像三域表示新方式。中智图像引入了新域I,可以更好的表示图像的不确定性；通过T,I,F之间的关联性和相对独立性,可以在这个统一的图像分割框架下综合使用多种信息,提高了图像分割的效果。中智图像作为新的图像表示形式和改进模糊分割算法的途径,具有一定的通用性。由于经典模糊理论的局限性,模糊分割算法对图像的不确定性表达能力不足,使用信息过于单一,无法处理空间等信息。而在图像分割中融合多种信息能够取得更合理的效果。本文概述了模糊理论的扩展方式,介绍了一种崭新的模糊理论扩展形式—中智理论。中智理论是对经典模糊理论及现有的多种扩展模糊理论的概括和泛化,目前它的相关研究主要集中在理论方面。本文率先将中智理论应用到图像处理中,并采用区间值中智集合进行特例化,定义了中智图像和区间值中智图像(统称中智图像),讨论了中智域的选取和中智元素的定义方式,为中智理论在图像分氰中的应用建立了理论基础。3)设计了基于中智图像的灰度和彩色图像区域合并算法。采用三域的表示方式,灰度图像分割算法综合使用了图像的边缘、空间等多种信息,增强了对图像不确定性的表达能力,提高了分割的精确度。在彩色图像分割中,利用T,I,F的相对独立性,算法可以同时使用多个彩色空间上的颜色等多种信息,解决了彩色图像分割中选择彩色空间的难点,综合使用多种信息的能力更加显著。验证了中智图像作为改进分割算法的通用形式,它的优越性和重要的理论意义。根据图像的特点和分割依据,定义了图像的同质性,算法利用中智图像的架构,使用了图像的边缘、全局和局部等多种信息,采用了结合全局和局部的分割策略,使用直方图确定初始聚类中心,使用I衡量像素的不确定性,设定了基于I和区域邻接关系的合并规则。灰度图像分割实验证明,相比经典模糊分割算法,该算法分割区域一致性更好,避免了错分现象,提高了分割精度。将算法推广到彩色图像分割中,T,I,F综合使用多种信息的能力更加明显。选择合适的彩色空间是彩色图像分割的难点,不同的彩色空间各有优缺点,无法相互替代,现有分割算法大多基于单彩色空间。通过应用中智图像这一新的图像表示方式和中智元素间的联系,算法可以同时使用多彩色空间及其上的颜色信息、空间特性等多种信息。采用更多的信息不但提高了分割效果,而且增强了算法的通用性。本文的彩色图像分割算法具有较好的抗噪性,大大降低了现有彩色图像分割算法的过分割现象,分割结果与人的主观视觉感知具有良好的一致性。实验结果表明,相比基于经典模糊理论的分割算法和非模糊分割算法,基于中智图像的分割算法都能获得更好的分割效果。4)设计了基于中智图像的乳腺超声图像肿瘤全自动分割算法。算法基于中智图像架构,使用了乳腺超声图像的纹理、空间等信息,改进了基于经典模糊理论的FWST算法,并结合医学先验知识,制定了肿块定位规则。改进后的算法复杂度低,实时性好,能得到精确的肿瘤边缘。验证了中智图像作为改进分割算法的通用形式,具有实际的应用价值。由于乳腺超声(BUS)图像的低对比度、肿瘤边缘模糊等特性,现有的分割算法大多需要手工标定ROI,且分割结果不理想。将中智图像应用到BUS图像全自动分割中,设计了NWST分割算法。差异性实验统计结果表明,本文的算法与其它全自动分割算法相比,与医生手工标定肿块区域相似度最好,可以准确地分割肿瘤区域。同时,相比FWST, NWST对模糊边缘具有更好的处理能力,算法的时间复杂度较低,能满足实际应用的实时性要求。