聚类分析是数据挖掘的重要手段，其应用领域广泛，包括统计学、图像处理、医疗诊断、信息检索、生物学以及机器学习等。聚类算法应用于图像分割时能够获得较好的分割效果而得到广泛的关注和应用。图像分割是图像处理到图像分析理解的中间步骤，也是计算机视觉研究中由低级视觉到高级视觉的桥梁。获取良好的图像分割效果是后续图像分析、理解和识别顺利开展的基础。然而，随着现代电子成像设备的飞速发展，图像的像素规模迅速增长，图像的类型也趋于多样化，图像本身还存在很多固有的特殊性和不可预知的复杂性，图像分割的速度和质量也因实时性要求日益受到人们的关注，待处理的数字图像数据集过大时，图像分割的质量和速度总是相矛盾的，很多聚类分割算法的实现过程往往更加耗时，缺乏精度或不合实际，因此如何有效的应用