少数民族服饰一直以来都是中华民族文化中不可或缺的一部分,我国的少数民族服饰有许多的特点,而比较引人注意的就是民族服饰上的图案。每一个图案都有其特殊的意义,从这些图案中我们可以了解到各民族的文化、以及民族文化符号所传达的寓意,还能把握中国民族文化的精神内涵。通过图像分割对少数民族服饰图案进行分析和研究具有学术意义和文化保护价值。图像分割是人工智能和模式识别领域的一个重要分支,它已经被成功地应用到医学、天文学、智能交通等诸多领域,但是在少数民族服饰图像分割中的应用相对较少。目前的分割算法对具有纹理、背景复杂和受噪声污染的民族服饰图像分割效果不佳,因此,本文针对布依族服饰图像的分割展开研究。主要研究内容如下:（1）基于形态学重构及隶属度滤波的模糊C均值聚类算法的布依族服饰图像分割。由于基于形态学重构及隶属度滤波的模糊C均值的改进算法使用形态学重构来平滑图像、增强去噪性和保留图像细节,这消除了之前的模糊C均值聚类算法对噪声鲁棒性不强的问题。同时,该算法利用隶属度滤波修正隶属度划分矩阵,避免计算局部空间邻域内像素与聚类中心之间的距离,有效地降低了计算的复杂度,使得算法简单和快速。本文以噪声图像和布依族服饰图像为分割对象,在MATLAB环境下验证该算法的分割精度和速度,并与较为流行的模糊C均值聚类算法进行比较分析,实验结果表明,该算法具有较高分割精度和快速性。（2）提出了一种改进的快速鲁棒双指数模糊C均值聚类的布依族服饰图像分割算法。该算法在基于形态学重构及隶属度滤波的模糊C均值算法的基础上,对约束条件的幂指数进行推广,向约束条件中引入幂指数r,算法性能由模糊指标m和约束条件的幂指数r共同决定,有效地扩展了m的取值范围,使得算法更加灵活通用。同样,在MATLAB环境下,使用噪声图像和布依族服饰图像为分割对象来验证提出的快速鲁棒的双指数模糊C均值聚类算法的分割精度和速度,将该算法与其它对比算法进行对比分析。实验结果表明,该算法能够以较低的计算代价得到良好的分割结果,同时具有较高的分割精度。