基於FCM的信息表構造和區域劃分
為實現圖像分割，首先要構造能進行圖像分割的信息表，通過改變FCM聚類數進行多次聚類計算，不同的聚類數作為待分割像素的屬性，聚類分割結果作為屬性值，可以構造出一個反映圖像分割關係的信息表。以全部聚類屬性作為不可分辨等價關係，將數據分割成等價類{z1，z2，…，zn}，每一個基本類zi表示圖像的一個小基本區域。
信息表中的每一個屬性對分類的作用是不一樣的，因此必須考慮到不同屬性的重要性，給予不同的權重，以便進行合理的決策。在對象的值約簡處理中，對每一個對象來說，可能有一個或多個屬性是不必要的。而對整個論域的值約簡進行統計，在所有的值約簡中，出現頻率越高的屬性對分類來說越重要。因此，可以以此為基礎定義屬性的權值。
若zi是分割出來的圖像基本區域，αk是第F個屬性，Vi是區域zi的值約簡，Vi（αk）是屬性αk關於值約簡Vi的取值，l是所有基本區域的值約簡數。
最終為實現圖像的分割，必須對基本區域的相似性進行度量，設相似性指數為α，從而構造如下的最終等價關係{ri}，將論域進行劃分：
在確定最終等價關係並進行區域劃分後，以全部等價關係構成不可分辨關係ind（r）通過最終的不可分辨關係，實現最後的圖像分割。
圖像分割實驗
為了驗證方法的有效性，選擇1幅人工生成圖像及1幅乳腺X線圖像進行實驗。
1.基於FCM的信息表構造和區域劃分。
2.值約簡、屬性權值、區域差異度計算。
根據差異度定義，得到各基本區域之間的差異度矩陣di，j，i，j=1，…，7，根據定義，矩陣的一個對角元素全為0的對稱矩陣。
3.基於區域差異度的區域劃分。
取差異度指數，根據差異度定義的初始等價關係，將基本區域做如下相似域和非相似域的劃分：
4.基於相似度的最終等價關係及分割。
根據相似度定義及基於差異度的初始等價關係對基本區域的劃分情況，可以計算反映各區域之間相似性的矩陣xi，j，i，j=1，…，7，根據定義，矩陣的一個對角元素全為1的對稱矩陣。
圖像的分割結果，與具有同等聚類數的FCM方法對圖像的分割結果進行比較，顯然，此方法對邊界域的分割更細致。
乳腺X線圖像分割實驗
用改進的FCM算法對乳腺鉬靶X片圖像中乳腺區域提取的實驗結果。