图像分割是图像处理到图像分析的一个重要环节,其问题的本质是图像数据集的聚类问题,因此可以将聚类分析方法运用于图像分割的研究。在聚类分析中,聚类方法和聚类数的估计是其研究的两个关键内容。第一类研究内容即聚类方法的研究日渐成熟,第二类研究内容即聚类数的估计从七十年代逐渐成为研究的热门问题,特别是2000年Tibshirani等学者提出的Gap统计即GS方法在数据聚类数的估计方面具有很多优良的性质。本文首先基于GS方法研究了包含位置、灰度信息的GS模型,在图像信息数据标准化的基础上,分析了多信息异度量单位图像信息的WGS模型。其次研究了κ-means聚类算法,针对其初始点的选取具有随机性可能导致凝聚点不收敛以及收敛速度慢的问题,提出了一种基于数据分布规律具有自适应特点的DSA-κ-means算法,运用DSA-κ-means算法对WGS模型进行改进,通过实证分析的方法从定性分析和定量分析两个角度验证了改进算法的有效性。然后在改进WGS模型的基础上,提出了加权分析动态DWGS方法和加权分析动态DWGS算法,得到了原始灰度图像的合理分割、图像分割数的估计以及权重估计等结果,分析了Gap统计量、聚类分割数K和权重值α三者之间的关系,通过三维图像可视化方式直观分析与说明这三者关系所提示的图像分割的内涵。最后本文进一步分析了DWGS方法的优缺点和进一步研究的方向和研究的课题。