针对传统模糊C-均值聚类方法所存在的过度依赖初始聚类中心、计算复杂度高等问题，提出一种新的FCM初始化方法。首先，使用维纳滤波分别对图像的R、G、B分量进行预处理，待转换为LAB色彩空间后，通过二次分水岭方法获取图像的封闭区域，并计算各区域的质心；其次，利用自适应无监督的方法对质心进行筛选和合并，将合并结果作为FCM的初始聚类中心；最后，使用FCM方法进行分割。实验结果表明，该方法不仅能够获得较准确的聚类中心，减少了迭代次数和运算时间，而且能够更好地实现图像的准确分割。