摘要： 声环境功能区划多采用地理信息系统进行研究，但公开发布的声环境功能区划方案中的文字和图片无法直接用于地理信息系统分析。首先提出改进模糊C均值聚类超像素方法，对声环境功能区划图进行语义分割以获取声功能区信息。接着采用简单线性迭代聚类构建超像素，提取声环境功能区划图特征矩阵，基于K-means++改进模糊C均值聚类算法，语义分割超像素粒化的声环境功能区划图，并以声功能区面积占比计算结果偏差为评价指标，分析超像素尺度对分割结果的影响。然后基于不同图像特征矩阵构建方法和聚类中心初始化方法，使用模糊C均值聚类、高斯混合模型聚类、K-medoids 聚类语义分割声环境功能区划图，最后比较不同组合方案的声功能区面积占比计算结果偏差，验证方法的有效性。

关键词: 声学, 声环境功能区划图, 彩色图像分割, 模糊C 均值聚类, 简单线性迭代聚类, K-means++算法