图像分割就是根据图像各个区域的特性，按照某种准则把它分成多个区域，并将人们关心的部分分离出来，它是图像处理和计算机视觉领域中研究的核心问题，尤其对后期进行的图像分析、图像理解和图像识别都具有十分重要的意义。在众多的分割方法中，结合模糊理论的分割方法越来越受到人们的关注，其中，模糊C-均值（FCM）聚类算法是一种应用最为广泛的图像分割算法之一，已经被广泛应用到图像分割的多个领域。但是模糊C-均值聚类算法本身存在一些缺陷，比如它处理的是图像的每个像素，数据量大，运算复杂；初始聚类中心在一定程度上决定着聚类结果，如果选择不当会使聚类结果陷入局部最小；FCM算法只是利用了图像的灰度信息，没有考虑其空间信息，会影响图像分割的效果。鉴于此，本文提出了改进的模糊聚类图像分割算法，首先利用分水岭进行预分割，加快了FCM聚类算法的速度；而后利用粒子群的全局寻优及其性能稳定的特性，确定了较为准确的初始聚类中心；并在此基础上充分考虑了区域面积和区域方差信息，定义了一个包含区域面积和区域方差的新距离。与FCM聚类算法对比可知，此算法的运算速度较快，分割效果较优。考虑到聚类数目对模糊C-均值聚类算法的影响，在上述算法的基础上提出了一种改进的自适应模糊C-均值聚类图像分割算法。先用分水岭分割方法把一幅图像分成M个小区域，将小区域的个数作为聚类数目的搜索上限；引进最大最小距离算法和聚类有效性指标来确定初始聚类中心和最佳聚类数目；最后用改进目标函数的FCM聚类方法对分水岭分割后的相似小区域进行合并，充分考虑了区域面积和区域方差信息，该方法确定的聚类数目比较合理。