传统基于聚类的波段选择方法多属于硬聚类，在对波段进行划分时不够精确。针对该问题，提出一种基于模糊C-均值聚类（FCM）的无监督波段选择方法，通过引入萤火虫算法（FA）得到FCM-FA，利用FA的全局搜索特性，修正FCM在特定情况下获得局部最优解的问题。在两个公开高光谱数据集上进行分类实验，结果表明：在136组实验中，所提FCM-FA所选波段在55.9%的情况下能够达到使用全波段的分类精度；在77.9%情况下能够达到最优分类精度；FA的引入有效地提升了FCM的效果，总体精度最大提高了3.12个百分点，Kappa最大提高了4.26个百分点。经验证，FCM-FA能够在大幅减少数据量的同时保留原数据的主要信息，可进一步进行推广和研究。

在某燃料元件产品中燃料颗粒随机弥散分布在非金属材料中，表征燃料颗粒的分布状况进而评估产品工艺质量具有重要意义。针对该问题，对三维空间内相邻燃料颗粒的间距测量进行了研究，使用X射线微焦计算机层析成像（CT）对该类产品进行了三维扫描成像，从而得到了三维CT图像。在三维CT图像的基础上，提出了一种结合改进型空间直觉模糊C均值聚类和三维区域生长的自动算法，用于分割图像中的燃料颗粒以得到每个燃料颗粒的空间结构。然后，通过计算质心获得燃料颗粒的中心坐标，进而自动计算出相邻燃料颗粒的空间距离。通过仿真实验验证了所提算法的可行性，通过标准球实验验证了测量误差，并通过实际燃料元件测试了相邻燃料颗粒间距的自动测量，表明了所提方法对燃料颗粒间距测量的有效性。

背景去除是从单幅条纹投影图中恢复相位的重要问题之一，提出了一种改进的模糊c均值（FCM）聚类算法来移除单幅条纹投影图中的背景。该方法使用改进的FCM算法将条纹分为黑、白条纹，并通过改进的FCM目标函数得到背景，从而从条纹投影图中去除背景。将该方法应用在两张模拟图和一张实验图上，并与傅里叶变换方法、基于形态学操作的二维经验模态分解方法、变分分解TV-Hilbert-L²模型进行了比较。实验结果表明，该方法提高了背景去除的能力和相位提取的精度。

针对传统模糊C-均值（FCM）聚类算法计算复杂度高、无法自动确定聚类数目的问题，提出了一种快速自动FCM聚类彩色图像分割算法。首先通过改进的简单线性迭代聚类（SLIC）超像素算法预分割图像，将传统基于单个像素的聚类转化为基于超像素区域的聚类，降低FCM计算复杂度；其次利用改进的密度峰值算法自动确定聚类数目，提高算法灵活性；最后，对超像素图像进行基于直方图的FCM聚类，完成图像分割。为验证所提算法的有效性，采用BSDS500、AID和MSRC公共数据库作为实验数据集，并与其他4种FCM分割算法进行了比较。实验结果表明，所提分割算法在分割精准度、模糊分割系数、模糊分割熵和视觉效果等方面均优于其他几种比较算法。

为了提高天文观测的效率，需要对夜间地基光学天文观测中薄云的识别和影响程度评估的算法进行研究。首先，分析了云对地基光学天文观测的影响和传统地基云图的算法后，选取大视场地基光学天文设备地基广角相机阵（GWAC）的图像进行研究。其次，通过GWAC图像的灰度分布等特性的对比分析，选取模糊C均值聚类（FCM）算法处理受薄云影响的GWAC图像。然后，应用FCM算法，通过重复多组实验，选定合适的聚类层次数、迭代次数和平滑因子等关键参数。最后，将FCM算法结果与传统天文学的恒星消光方法进行比较。设置平滑因子为1.5，聚类层次数为5，经过10次循环迭代计算后，FCM算法将夜晚的天空背景聚类成5个层次。层次分布结果与目测云层厚度分布相符，且与更精确的传统天文学恒星消光方法的结果也吻合。对于大视场地基光学天文图像中的薄云，FCM算法可以有效地识别并分析出其厚薄分布结构，即能对薄云的影响程度进行分级评估。此FCM算法有望结合更大视场的鱼眼镜头和CCD相机的监测设备，研发出一类自动监测和实时评估云层分布和影响程度的专用设备，提高地基光学天文观测的效率。

为了增强模糊局部信息C均值聚类算法的鲁棒性和分割性能, 提出一种基于特征选取的模糊局部信息C均值聚类算法。在现有的模糊局部信息C均值聚类算法基础上, 对其目标函数的局部邻域约束项添加邻域隶属度约束, 并将特征选取的思想引入该目标函数, 并利用KL散度作为正则项因子, 获得一种新的鲁棒模糊聚类算法。对算法迭代所获得的像素隶属度进行局部中值滤波, 再采用最大隶属度准则实现像素归类得到最终分割结果。实验结果表明, 文中算法相比现有的FLICM算法具有更好的分割性能和抗噪鲁棒性。

为了精确评价纱线疵点的种类与个数,提出了一种融合空间模糊C-均值(FCM)聚类的纱线疵点检测算法。首先利用融合空间FCM聚类算法提取纱线条干;然后对纱线条干进行形态学开运算处理,以获取精确的纱线条干,并利用条干上下边缘点之间的像素个数计算纱线的直径与平均直径;最后根据纱线疵点标准判定纱线疵点的种类与个数。为了验证本算法的有效性和准确性,对多种不同线密度的纯棉纱线进行测试,并将测试结果与电容性纱疵分级仪的检测结果进行对比。结果表明,本算法与电容性的检测结果一致性较好,且价格低廉,不易受环境温度、湿度等因素的影响。

提出了一种基于局部线结构约束的模糊C均值(FCM)聚类眼底视网膜血管分割方法。通过预处理增强血管和背景的对比度信息,采用多尺度匹配滤波器和B-COSFIRE滤波器提取像素特征,然后采用局部线结构约束的FCM聚类算法实现视网膜血管分割,最后通过后处理操作去除孤立的噪声点。在DRIVE数据库的实验结果表明,本文方法的平均准确率为94.21%,平均灵敏度为67.21%,平均特异性为98.2%。与特征空间FCM方法相比,本文方法分割的血管结构的连续性较好,提升了对细小血管检测的灵敏度。

提出一种聚类优化的快速独立成分分析(FastICA)解混算法,解决了FastICA在光谱信息解混过程中,对解混矩阵初始值敏感导致解混信息不稳定的问题。利用模糊C均值聚类对单一颜料光谱信息进行光谱特征降维,选择最具代表性的聚类结果作为解混矩阵初始值,通过FastICA牛顿迭代公式计算聚类优化后的解混矩阵,避免随机选取初始值对混合颜料光谱信息解混的影响。实验结果表明,与其他算法相比,解混结果平均误差值降低了0.57,平均适应度系数达到了99.67%,光谱角度匹配距离降低了0.53,所提算法增加了FastICA算法解混结果的稳定性,提高了混合颜料光谱信息解混精度。