1、引言
研究表明，人类所接收到的全部信息中，有80%以上是通过视觉得到的。因此，图像信息对于人们的生活和工作是非常重要的。
纹理分割是图像处理和模式识别中一个重要的研究内容，一直以来是人们研究的热点。它是依据同一纹理的一致性特征或不同纹理之间的特征差别，将纹理图像分割成若干有意义的区域，而提取有效的纹理特征是其中的关键和难点。
2、图像分割概述
图像分割是是指利用图像的某些特性，如灰度、颜色、纹理、形状等，将一幅图像分割成若干个独立的有共同像素属性的对象，其实质是一个按照像素属性进行聚类的过程。
2.1图像分割的研究背景
早在上个世纪五十年代中期，人们便开始了关于图像分割的研究，经过几十年的大量工作，已取得了很多研究成果，针对具体的图像，提出了很多不同的分割算法。在很多实际问题中，如目标识别、跟踪、图像理解中，并不要求得到图像的全部信息，因此，在得到一些二维先验信息的同时，增加一些约束条件，使不适定问题适定化，从而使图像分割成为可能。
2.2图像分割的研究目的
图像分割的目的是将一幅图像划分成有意义的区域或部分，其中每部分区域具有相似的特征。图像分割是图像识别和图像理解的基础，图像分割虽然是一个古老而经典的基本图像处理问题，但目前仍然是计算机视觉研究中的一个热点问题。
2.3图像分割方法介绍
（1）基于图论的图像分割方法 基于图论的图像分割方法使用加权图来映射图像，图像的像素对应图的节点集，像素之间的相邻关系对应边集，节点的属性对应像素的特征信息，边的属性对应像素之间的差别或相似性。
（2）彩色图像分割 人眼由于对亮度具有适应性，在一幅复杂图像的任一点上人眼只能识别几十种。由于彩色图像提供了比灰度图像更多的信息，因此随着计算机处理能力的快速提高，彩色图像处理正受到人们越来越多的关注。
（3）纹理分割方法 纹理分割就是把具有相同或一致纹理特性的区域聚类为一个大的区域。因此，纹理是一种区域特性，要在一定范围的区域上才能反映或测量出来。研究纹理分割主要涉及三个问题：如何从图像中提取纹理特征；如何有效地从测量出的众多纹理特征中提取用于分割的特征；如何有效地分割图像[1,2].
3、图像纹理分割的研究应用
3.1图像纹理定义
纹理一般指人们所观察到的图像中象元（或子区域）的灰度变化规律，习惯上把图像中这种局部不规则的而宏观有规律的特性称之为纹理。
3.2图像分割研究的实际应用
图像分割在实际中已经得到广泛的应用，例如在工业自动化，在线产品检验，生产过程控制，文档图像处理，遥感和生物医学图像分析，保安监视，以及军事，体育，农业工程等方面[3].概括来说，在各种图像应用中，只要需对图像目标进行提取、测量等都离不开图像分割。
（1）自动目标识别和分类。纹理分割是自动目标检测、识别和分类的重要处理步骤。比如综合孔径雷达图像中的植被区域边缘检测、红外雷达的敏感目标定位、激光雷达的前景背景分离等等。
（2）医学图像处理。影像诊断己经成为现代临床医学的重要诊断工韩晓晨东北电力大学自动化工程学院 吉林长春 132012具，各种医学影像技术比如超声波成像、X线断层摄影术、核磁共振成像的结果分析往往都需要提取特定感兴趣的目标。有些医学图像通常存在较大的模糊和斑点，要求图像分割对于这些模糊和不规则的斑点具有一定的鲁棒性。
（3）计算机视觉。计算机视觉中的“分割”概念通常就指要定位出现实生活中自然图像里的目标物的轮廓。分割自然场景图像的困难通常不再是模糊和噪声的问题，主要的困难在于自然场景图像中目标物体、区域形状和区域纹理结构的多样性。
（4）基于内容的图像检索和分割。随着因特网和数字技术的日新月异，人们几乎每天都要接触各种数字图像，但长期以来，图像仅可用名字来检索，图像分类也依赖于人工处理，为了有效浏览和应用这些图像，迫切需要功能强大的检索工具，因此人们提出是否可用图像的内容进行查询分类。
4、图像纹理分割方法分类介绍
4.1基于统计纹理特征的方法
纹理特征的统计描述方法是基于像素及其邻域的灰度属性，研究纹理区域中的统计特性，或像素及其邻域内的灰度的一阶、二阶或高阶统计特性。纹理的统计描述由来己久，描述方法种类众多。在这些方法中，灰度直方图统计法、灰度共生矩阵法、自相关法、局部二值模式等方法都被用于纹理分割。
4.2基于结构纹理特征的检测方法
结构法的基本思想是认为复杂的纹理可由一些简单的纹理基元以一定的有规律的形式重复排列组合而成。因此，为了刻画纹理，就需要刻画灰度纹理基元的性质以及它们之间的空间联系。一般认为一个纹理基元是由一组属性所刻画的相连通的像素集合。
4.3基于模型纹理特征的检测方法
基于模型的纹理特征描述方法假设纹理按某种统计模型分布，采用模型的参数作为纹理特征。模型参数的估计是模型法的核心问题。常见的用于描述纹理特征的模型有：马尔柯夫随机场、高斯马尔柯夫随机场、自回归模型、Wold模型、分形模型等。
4.4基于频谱纹理特征的检测方法
基于频谱纹理特征的检测方法是建立在时频分析与多尺度分析基础之上，对纹理图像中子区域内实行某种变换后，再提取保持相对平稳的特征值，以此表示区域内的一致性以及区域间的相异性。纹理表面具有规律的重复性，当局部出现缺陷时，该区域对应的频谱发生变化。根据这一特点，常通过频域上分析图像的频谱特征进行缺损检测。常用的频谱纹理特征包括Fourier变换法、Gabor变换法、小波变换法等。
5、结论
从图像分割研究的历史来看，可以看到对图像分割的研究有几个明显的趋势：一是对原有算法的不断改进。二是新方法、新概念的引入和多种方法的有效综合运用。在新出现的分割方法中，基于小波变换的图像分割方法就是一种很好的方法。三是交互式分割研究的深入。由于很多场合需要对目标图像进行边缘分割分析，例如对医学图像的分析，因此需要进行交互式分割研究。四是对特殊图像分割的研究越来越得到重视。相信随着研究的不断深入，存在的问题会很快得到圆满的解决。
参考文献
[1]章毓晋。图像分割[M].北京：科学出版社，2001.
[2]李新征，易建强，赵冬斌。一种改进的自然图像分割方法。计算机应用研究，2006,5（6）：251-254.
[3]杨帆，廖庆敏。基于图论的图像分割算法的分析与研究[J].电视技术，2006.
