随着成像设备发展更加成熟，自然场景图像的数量也随之增长且与人类生活密切相关。由于自然场景图像具有不确定性和复杂性等特点，使得自然场景图像的分割成为图像分割领域研究的热点和难点。本文以自然场景图像为研究对象，介绍了图像分割的基本理论，对基于图论和模糊C均值聚类的图像分割算法进行了深入的研究。主要研究工作如下：（1）介绍自然场景图像分割的意义，并根据国内外研究现状，分析自然场景图像分割需要解决的关键问题。简述图像分割的基本理论以及图像分割质量评价标准。（2）研究分析图论算法，针对Graph-Based图像分割算法存在欠合并现象进行改进，提出一种基于HSI颜色模型和空间信息的权值函数，并采用改进的并查集算法对分割区域进行二次合并，最后通过仿真实验验证该算法的有效性。（3）研究分析FCM算法，提出一种结合Graph-Based和FCM（GB-FCM）的自然场景图像分割算法。针对FCM存在缺少空间关联信息且计算量大的问题，先采用Graph-Based算法对图像进行预处理，将图像分割为子图。再采用FCM算法对子图进行聚类，减少每次参与聚类运算的数目，减小计算量。针对FCM聚类时分类数目的设定未必是最优，可能存在过分割现象，提出一种基于聚类中心颜色和空间信息的加权距离作为并查集的合并准则，采用改进的并查集算法对聚类结果进行后处理，并通过仿真实验验证该算法的有效性。最后对全文进行总结和展望。