随着现代电子成像技术的飞速发展,人们获取到的图像类型日趋多样化。由于成像过程易受仪器设备的局限,光照条件以及空间分辨率等因素的影响,数字图像自身存在许多不确定性和不精确性的问题。图像中可能存在的灰度不均匀性、噪声、低对比度等缺陷很大程度上增加了图像分割的难度。模糊理论在描述不确定性事件和不精确性信息时具有先天的优势。模糊图像分割技术能够更好地处理图像中的模糊性、不确定性信息,保留更多原始图像信息,进而提高图像分割方法的准确性。本论文主要针对目前模糊图像分割算法存在的问题进行深入的分析,通过对模糊活动轮廓模型进行更加深入的研究,针对将模糊理论应用于图像分割具体问题时所面临的一些实际困难,提出了有效解决方法。在此基础上所做的工作和取得的成果概括为以下五个部分:(1)混合聚类算法同时结合模糊集和粗糙集在表达数据不确定信息方面的优点。针对现有混合聚类方法中存在权重参数需要手工设定的缺陷,提出一种改进的混合聚类方法。新算法可以更好的利用数据集自身的内在结构信息,在聚类迭代过程中自适应的调整权重因子。由于聚类分析与图像分割问题具有重要的联系。图像分割问题恰好可以看成是将图像中的像素点进行分类的问题。因此改进的聚类算法也为将混合聚类算法应用于图像分割问题做准备。(2)传统的活动轮廓模型在设计之初,首先假设待处理图像由近似同质的区域组成。然而受成像条件的影响,图像中的目标与背景的灰度值往往存在重叠。新算法通过高斯核函数来控制邻域窗口的作用范围,充分利用图像的空间局部信息来构造自适应划分准则。将图像局部信息引入到活动轮廓模型中,可以得到一个放松的假设条件,即使是灰度不均匀图像,在局部邻域内也可以被看成是近似同质的。所设计的方法可以更细致的区分与背景差异不明显的目标区域。(3)针对极光图像在成像过程由于光照条件,仪器设备的局限,存在灰度不均匀性和低对比度的缺陷,提出了基于划分区域活动轮廓模型的极光图像分割算法。通过考虑极光图像的局部空间信息,可以有效的克服极光图像中存在的灰度不均匀缺陷。然而仅考虑图像局部信息的活动轮廓模型又普遍存在一个缺陷,当初始轮廓位置选取不合适时,该类算法将因为陷入局部极小值而导致最终分割失败。划分区域活动轮廓模型通过设计一种划分区域操作,使得活动轮廓模型的每次迭代区域都限制在极光轮廓周围,克服传统的基于局部信息的图像分割算法易陷入局部最优的不足。在真实极光图像上的分割结果验证了算法的良好性能。(4)提出了基于区间二型模糊活动轮廓模型的图像分割方法。模糊分割算法通过引入像素点的模糊隶属度,取得了比硬划分算法更好的分割结果。然而,传统模糊集通过“精确的”隶属度值来刻画实际图像中像素点属性的不确定性时存在一定的局限性。为了增强描述和处理图像中不确定信息的能力,区间二型模糊活动轮廓模型作为传统方法的扩展,通过构造隶属度值的上下近似区间实现隶属度值的真正模糊化,具有更好描述图像中不确定信息的能力。在一系列模糊性较大的人工图像,自然图像,以及极光图像上的分割结果验证了算法的良好性能。(5)设计了基于进化计算和模糊理论的活动轮廓模型的遥感图像变化检测方法。合成孔径雷达图像由于其固有的相干斑噪声使得不同区域的像素点灰度值有较大的重叠,像素点灰度值的差异并不一定反映实际的地物变化。需要采用一种更有效地描述图像中更高模糊性的方法。区间二型模糊集具有比一型模糊集更好地描述不确定性的能力。然而如何确定模糊因子的取值,是基于区间二型模糊集算法不可避免的问题。为了克服这一困难,我们首先用区间二型模糊活动轮廓模型对差异图像进行初步分析,在模糊因子取值不同时,得到不同的初步分析结果。随后,引入进化计算的方法,将每个初步分析结果都赋予相应的适应度函数值,通过搜索策略寻找最优的检测结果。在真实合成孔径雷达数据集上的检测结果验证了算法的有效性。