图像分割指通过对图像进行分析与处理,提取出图像中不同同质区域的过程。按分割策略分类,现有的图像分割方法可分为基于区域的分割和基于边缘的分割,但该两类分割方式均不能同时分割出确定的区域、边缘及噪声信息。为了在图像的分割结果中展现出更多有用信息,论文在研究中智模糊聚类（Neutrosophic C-Means clustering,NCM）算法及其简化算法的基础上,提出了基于特征空间邻域约束（Feature Space Neighborhood Constraints Simplify Neutrosophic C-Means,FSNCS＿NCM）和图像空间邻域约束的简化中智模糊C均值（Image Space Constraint Simplified Neutrosophic C-Means,ISCS＿NCM）的图像分割算法。具体内容如下:（1）为了在分割结果中显示出确定性类别的同时展现出边缘类别和噪声类别,提出特征空间邻域约束简化NCM的图像分割算法。首先结合邻域像素光谱测度矢量均值与聚类中心矢量间的欧氏距离构造邻域约束项,同时将中心像素光谱测度矢量与邻域像素中值矢量之差作为噪声约束项,再将约束项共同引入简化NCM目标函数,最后对目标函数进行求解。该方法不仅可以分割出确定性类别像素,还可以有效分割出图像中的边缘和噪声像素,丰富地展现出图像细节信息,得到更符合人类视觉的分割结果。（2）为进一步提高简化NCM算法对图像边缘类别的分割能力以及算法的抗噪性,提出图像空间约束简化NCM的图像分割算法。结合图像空间中像素的邻域分类标签信息,定义像素八邻域的类别标签中出现次数最多和次多的聚类中心矢量均值作为新的边缘聚类中心,再根据拉格朗日乘子法代入图像特征空间的光谱信息进行计算,得到每个像素唯一对应的边缘隶属度值。该方法利用图像空间邻域关系实现对图像边缘准确分割的同时也提高了算法对图像中噪声的抑制作用。该论文有图27幅,表6个,参考文献94篇。