بخشبندی تصاویر رنگی چهره یک مرحلهی ضروری در کاربردهای پردازش تصویر و بینائی کامپیوتر نظیر شناسائی چهره، شناسائی هویت و آنالیز جراحیهای پلاستیک چهره است. یکی از مهمترین روشهای بخشبندی تصاویر چهره، روشهای مبتنی بر خوشهبندی است. خوشهبند فازی (FCM) یک الگوریتم موثر در بخشبندی تصویر بوده، ولی حساسیت به مقدار اولیه ممکن است باعث شود که این الگوریتم در کمینه مکانی بیافتد. بهمنظور غلبه بر این مسئله، الگوریتمهای فرا-ابتکاری شامل بهینهسازی گرگ خاکستری (GWO) و الگوریتم بهینهسازی نهنگ (WOA) بهکار گرفته شدهاند. بنابراین، تمرکز اصلی این مقاله بر روی عملکرد الگوریتمهای فرا-ابتکاری در بهینهسازی خوشهبند فازی و کاربرد آن در بخشبندی تصاویر رنگی چهره است. تابع هدف خوشهبند FCM بهعنوان یک تابع برآزندگی برای الگوریتمهای فرا-ابتکاری درنظر گرفته میشود. این الگوریتم n بردار را به C گروه فازی تقسیم کرده و مرکز خوشهبندی را برای هر گروه محاسبه میکند. همچنین، در این مطالعه سه فضای رنگی چهره شامل YCbCr، YPbPr و YIQ بهعنوان دادههای ورودی در بهینهسازی تابع برازندگی بهکار گرفته شدهاند. پس از بیشینه کردن تابع عضویت، بخشبندی تصاویر رنگی چهره بر روی سه پایگاه داده شامل (1) پایگاه داده دانشگاه صنعتی سهند (SUT)، (2) پایگاه داده MR2 و (3)پایگاه داده SCUTFBP انجام شده است. نتایج بخشبندی نشان میدهند که عملکرد الگوریتمهای GWO و WOA در بخشبندی تصاویر رنگی چهره نسبت به سایر الگوریتمهای فرا-ابتکاری نظیر الگوریتم ژنتیک (GA)، بهینهسازی ازدحام ذرات (PSO)، الگوریتم بهینهسازی ملخ (GOA) و الگوریتم جستجوی کلاغ (CSA) بهتر بوده و همچنین دارای عملکرد مناسبی نیز در سرعت همگرائی هستند.