彩色图象分割是智能交通系统工程中视频检测技术的重要组成部分，本论文为图象分割技术的应用探索切实可用的方法。论文对彩色图象分割算法的研究进行了三个步骤的工作：1、色彩空间的选择。根据论文中所提供的色彩空间评价方程，选择了用于本课题的恰当的色彩空间；2、K-L变换对特征图象的确立。借助于K-L变换在多光谱图象中定位特征向量的准确性和其在图象压缩方面的优越性，在本论文内，K-L变换所提取的特征向量张成了“特征图象”子空间，构成了聚类的中心；3、运用模糊C-均值算法(FCM)对图象进行分割。在此将FCM分别应用于监督学习方法和非监督学习方法下，实验证明前者中的基于特征散度的FCM方法的分割效果较好，而后者中的基于样本和核相似性度量的动态FCM方法的分割效果较好。对不同背景和光照条件下的原始彩色图象进行实验，结果表明本论文提出的方法是一种有效、稳健的彩色图象分割方法。论文的结尾给出了进一步的研究建议。