首先,该文分析了人类视觉感知机理,研究了人类视觉感知与信息处理模型.给出了图象分割的一般模型和图象分割的基本过程,其中,特征提取和分类方法的选择尤为重要.并且从人类视觉感知机理出发,研究了以往的纹理图象分割方法中存在的不足,具体分析了该文在纹理图象分割中选用的几种合适的工具.其次,分析了小波变换的概念和其良好的时频局部化特征、尺度变化特征和方向特征,进一步说明了小波变换引入的意义.分析了小波变换用于纹理分析的优点,对比了传统的塔型小波和树型小波,说明树型小波变换更适合于纹理图象的分析.研究了基于不完全树型小波变换和自适应模糊聚类神经网络的纹理图象分割.提出了一种新的基于小波变换最大能量分量的纹理图象分割方法.该文研究了传统的层次图象分割模型,对纹理图象进行由低分辨率到高分辨率的分割.并在此基础上,提出了一种基于小波变换和层次分割的纹理图象分割新方法.然后,研究了一种二维最佳正交极可分方向滤波器在纹理图象分割中的应用,分析了它的最佳、正交、极可分以及方向等特性.该文提出了一种具有多层前向网络结构的模糊神经网络分类器用于图象分类.具体研究了所提出的模糊神经网络分类器的结构,各层的作用,推导了所采用的反向传播学习算法.最后,对该文的研究成果进行了总结,并对指出了仍存在的不足,对今后这个领域的要继续的工作进行了展望.