1.一种基于改进直觉模糊c均值聚类的图像分割方法，其特征在于，包括以下步骤：(1)根据图像的局部像素灰度信息，计算其最大占优抑制相似度函数；

(2)计算像素的模糊集的隶属度；

(3)构建非线性的模糊补函数，计算模糊集的非隶属度和犹豫度；

(4)根据上述的隶属度、非隶属度和犹豫度，将图像数据直觉模糊化，形成直觉模糊集；

(5)根据图像像素的局部空间关系，构建直觉模糊因子；

(6)根据直觉模糊因子，在步骤(4)的直觉模糊集中进行求解最优化；

(7)根据最优化求解利用聚类算法进行图像分割。

2.根据权利要求1所述的基于改进直觉模糊c均值聚类的图像分割方法，其特征在于，步骤(1)具体为：(1.1)以图像中第j个像素xj为中心，取NR大小的矩形窗内的像素放入集合Nj中，其表达式为{xk|k∈Nj,k＝1,2,...,NR-1}，NR为集合Nj中像素的总个数，xk为元素xj的邻域窗口Nj内的第k个像素；

(1.2)将Nj内的像素按灰度值大小升序排序，以黄金分割点为界，将Nj分为奖励集合和惩罚集合 将[0.618×(NR-1)]个像素放入 中，剩余的像素放入(1.3)按照像素所属的集合，对其进行惩罚或奖励，最大占优抑制相似度函数为：其中，α是压制因子，Sjk是第j个像素xj与集合Nj中的第k个像素xk之间的局部相似度函数，其表达式如下：其中， 是集合Nj中灰度相似性的扩散比例因子，xp是集合Nj中的第p个元素。

3.根据权利要求2所述的基于改进直觉模糊c均值聚类的图像分割方法，其特征在于，步骤(2)中的隶属度为：其中，μ(xj)第j个像素xj的模糊隶属度函数，

4.根据权利要求3所述的基于改进直觉模糊c均值聚类的图像分割方法，其特征在于：步骤(3)中的模糊补函数为，

其中，γ是模糊补函数的分段点，0≤γ≤0.5；

犹豫度函数为：

π(xj)＝1-μ(xj)-v(xj)。

5.根据权利要求4所述的基于改进直觉模糊c均值聚类的图像分割方法，其特征在于，步骤(4)中的直觉模糊集为：A＝{(x,μ(x),v(x),π(x))|x∈X}，其中，X是图像像素的集合。

6.根据权利要求5所述的基于改进直觉模糊c均值聚类的图像分割方法，其特征在于，步骤(5)中的直觉模糊因子为：其中，Hij为直觉模糊因子，K为聚类中心的个数，N为图像中像素的总个数，uil表示Nj中第l个元素与第i个聚类中心的隶属度函数，m是模糊系数，m≥1，USil是Nj中第l个元素与第i个聚类中心的相似度函数，表达式为：

7.根据权利要求6所述的基于改进直觉模糊c均值聚类的图像分割方法，其特征在于，步骤(6)中的在直觉模糊集中进行求解最优化具体为：其中，m是模糊系数，m≥1， 表示图像像素的噪声鲁棒的直觉模糊化表示的集合， 表示聚类中心的噪声鲁棒的直觉模糊表示的集合， 和 分别是第i个聚类中心和像素xj的噪声鲁棒的直觉模糊表示，uij表示xj与第i个聚类中心的隶属度值，0≤uij≤1，是 和 的直觉模糊距离，表达式如下：用拉格朗日乘子法来解上述的最优化问题，得到隶属度uij和聚类中心 的表达式为：

8.一种存储介质，其上存储有计算机程序，其特征在于：所述计算机程序在被计算机处理器执行时实现权利要求1至7任一项所述的方法。