手写文本行中的单词切分是研究笔迹文本图像研究中的重要内容。它在关键词语搜索,单词为整体的识别,字符切分等研究中必不可少的重要步骤。切分结果的好坏对后续的识别结果有直接的影响。手写维吾尔文本具有笔迹的唯一性、随意性、不规律性等特点。这些特点引起书写维吾尔单词之间的距离没有规律性,频繁地出现重叠、粘连等情况。因此从手写维吾尔文单词的这些书写特点出发,使用聚类算法,把连通域之间的空白间距分成两类,再以这些空白间距的分类结果为依据,对文字区域进行合并得到最后的切分点是本文主要的研究思路。本文所使用的方法中首先对文本行图像进行预处理。预处理阶段解决了噪声离散点和单词之间的粘连或重叠问题。对预处理得到的文本行图像进行垂直投影,得到最初可能的切分点和记录连通域之间的空白间距和文字长度。对空白间距使用聚类算法,分类成单词内距离和单词间距离两类,再对文字区域也使用聚类算法,分成三类。空白间距的聚类结果作为依据,对文字区域第一次合并。为了更加完善切分结果,第二次合并中使用,空白间距和文字长度结合考虑的基于阈值的合并算法。通过两次合并得到最终的切分点,最后对切分点内的文字区域进行着色处理。整个论文分别使用了k-均值,FCM和k-均值融合FCM的三种聚类算法,并通过对比实验对这三种算法在单词切分中的性能进行详细的分析。通过实验证实了三种聚类算法中k-均值算法聚类所耗时间最短,FCM算法和融合算法的切分正确率一样,但是融合算法聚类所耗时间比FCM算法聚类所耗时间短。使用融合聚类算法得到的平均正确率为75.66%。