当前图像分割技术越来越受到人们的重视。很多研究者针对图像分割技术设计出了不计其数的方法。图像分割技术已经涉及到许多范畴,并且逐渐成为了许多领域的基础技术之一。图像分割技术在当今时代具有极其重要的地位,研究如何提高它的运算结果仍然十分具有价值。很多事物自身存在模糊性,传统的聚类方法多是硬划分,不能够理想的处理这类事物的问题。在图像分割领域内的众多方法中,有一类以模糊聚类技术为基础的方法,能够较好地分析处理客观事物内在的模糊性,因而逐步作为了运用最普遍的分割方法和研究热点课题之一。模糊聚类分析是典型的软划分方法,它能够很好地处理事物内在的模糊性,因此,比传统的聚类分析更适合现实中的事物处理。在模糊聚类分析的众多方法中,具有代表性的应用最普及的一类是FCM算法及它的系列改进算法。虽然FCM算法应用最普遍,但是它本身也存在一定的问题,因此近年来研究人员不断对其进行改进,提出了很多改进算法,一个比较典型的改进算法是KWFLICM算法。KWFLICM算法是在FLICM算法的基础上,融合了核函数的思想设计的改进算法。本文针对KWFLICM不足之处进行改进。首先对KWFLICM算法没有介绍清楚的部分内容进行了补充说明,然后对KWFLICM算法的模糊因子进行了重新设计,定义了新的模糊因子,使算法的运算效果和抗噪性得到了进一步的提升。实验过程中使用合成图像、医学图像和自然图像作为对象进行了大量实验。列举的实验结果说明本文的改进是有效的。