纹理是自然界物体表面表现出的基本属性,具有结构上的重复性或统计意义上的相似性。因此,纹理图像分割就是将图像中具有不同属性的纹理分割为不同的区域。然而,由于纹理的多样性和复杂性,使得纹理分割仍然是计算视觉领域中具有挑战的研究内容。在长期的研究过程中,研究者提出了许多种纹理图像的分割算法,如模糊聚类的方法、马尔科夫随机场的方法,以及基于滤波器组的方法等。虽然这些方法在一定程度上给出了有效的分割效果,但是,由于纹理在结构和形态上的多样性,以及人们对纹理感知的主观性,给纹理图像分割带来很多困难。近年来,研究者提出了模拟视觉感知分析的纹理图像分割方法,如Gabor滤波器和多尺度小波分析的分割方法,但这些方法需要较大的计算量。为了有效的分析纹理图像,本文开展了基于薛定谔方程的纹理分析方法研究,并对模糊聚类的纹理分割方法进行了改进,取得了相应的研究成果。首先,提出了基于薛定谔方程的纹理图像分析方法。该方法将纹理图像作为薛定谔方程的波函数,并利用薛定谔方程进行纹理图像处理,获取与纹理图像相对应的势能函数图像。其次,在基于薛定谔方程的纹理图像分析基础上,提出了整合马尔科夫随机场的模糊聚类纹理分割方法。该方法根据图像的标记场,利用马尔科夫随机场估计纹理图像的参数,提取图像特征;同时,采用模糊聚类的方法获取图像的标记场,从而实现图像分割。最后,利用人工合成的纹理图像,以及自然纹理图像,对本文提出的纹理图像分析和分割方法进行了测试,获得了大量的实验数据。根据实验数据分析表明:本文所提出的纹理图像分割方法比其它许多分割方法的分割精度更高,且更具有普适性,特别是对于结构性纹理的分割具有明显的优势。本文的研究将推动纹理图像分析与分割理论的发展。