针对直觉模糊C-均值(Intuitionistic Fuzzy C-Means, IFCM)聚类算法没有考虑图像的纹理及空间信息的问题，提出一种基于深度直觉模糊局部二值模式(Intuitionistic Fuzzy Local Binary Pattern, IFLBP)的IFCM聚类图像分割算法。定义深度邻域的概念，基于深度邻域信息更新邻域像素取值，引入图像的深度直觉模糊纹理特征，并根据图像自身特性设计犹豫阈值的动态获取方式，描述图像纹理信息的不确定性，避免人工设置参数的主观影响。同时，在处理后的特征图提取的纹理信息进行线性和非线性变化的基础上，增强目标与背景的差异，提高分割精度。通过设计图像块间的Jaccard系数，自适应获取纹理项权重，实现图像像素信息与空间信息的有效融合。实验结果表明，所提算法在视觉上有较好的分割效果，且评价指标均达到最优。