在医学图像中，由于胆结石CT图像存在各种各样不确定性与不精确性的因素，这就给胆结石CT图像的精确分割带来了很大的难题。然而模糊理论对模糊因素具有很好描述能力，便可以利用模糊理论对胆结石CT图像进行近似最优分割。本文重点研究了基于模糊聚类理论的图像分割算法，并对经典模糊C均值（FCM）聚类进行算法改进，然后把改进的算法用于具有胆结石病灶的CT图像分割，让胆结石诊断更加准确清晰。本文主要完成的工作如下：首先，在第1章里面对医学图像分割技术的发展状况与意义进行了简单介绍。接着，在第2章里面分别对聚类算法、模糊理论以及其基于两者的代表算法—FCM算法进行阐述与研究。然后，在第3章用马氏距离代替传统的FCM算法中的欧式距离做为其聚类的距离公式，克服传统FCM算法对具有高维特征的图像(比如胆结石CT图像就是该类图像)进行分割的时候存在的计算上的弊端，利用马氏距离对数据的几何分布进行自适应的调整，以达到相似数据点的距离小的特点，并将其用于模糊聚类，从而取得了很好的聚类效果。接着分别把直方图加权与空间约束加权引入马氏距离的FCM算法，前者利用直方图统计特性的引入就可以对算法进行精简，这可以大大加快算法的收敛速度，后者克服了图像中那些包含像素点数目少的类就会被那些包含像素点多的类别所覆盖，从而整个聚类的效果达不到理想的要求的缺点。再次，在第4章把金字塔原理引入模糊核聚类算法(KFCM)中，进一步提高FCM聚类的速度，利用金字塔算法的多分辨率分析技术，对聚类的迭代空间进行进一步的减少，从而减少核模糊聚类算法的迭代时间。同时继续把该改进的算法与空间约束的思想相结合，得到基于金字塔方法与空间约束的模糊核聚类算法，同时提高分割的速度与分割的效果。最后，在第5章中进行总结与展望。