提出了改进的mFCM算法，该算法引入自适应加权系数控制邻域像素对中心像素的影响程度，充分利用像素的邻域特性对Chen聚类算法的目标函数进行改进。为了实现快速聚类，该算法的开始使用快速FCM确定初始聚类中心。实验结果表明，相对于标准FCM和FCM_S1算法，改进算法既能快速有效地分割图像，又能提高对噪声的鲁棒性。

图像分割是医学图像处理中最重要的问题之一，局部体积效应和其他现象的存在使问题变得更加复杂。 然而，模糊C均值作为处理PVE的有效工具面临着巨大的挑战。 为此，本文提出了一种基于给定图像直方图的改进FCM算法，将其称为HisFCM，分为两个阶段。 第一个阶段将检索几个计算聚类质心的间隔，第二个阶段将基于改进的FCM算法执行图像分割。 与FCM和其他改进算法相比，HisFCM的效率更高，结果令人满意。 对医学图像的实验表明，HisFCM可以在不到0.1秒的时间内实现良好的分割效果，并且可以满足医学图