纹理图像具有图像的基本属性,又具有纹理特性,是一类特殊的图像。纹理具有粒度、方向性和周期性等复杂特性,纹理图像分割是图像工程的重点研究内容之一,也是一个很难解决的问题。已有的纹理分割算法从频率特性、多尺度特性出发,采用小波分析、神经网络、模糊理论、分形理论、数学形态学等理论设计了一系列的纹理分割算法,这些算法从某些理想境界出发根据先验知识设计出模型,根据模型实现相应的算法。先验模型缺少自适应特性,现有纹理分割算法没用充分考虑问题自身独特的属性和特征。经验模态分解是20世纪90年代中期提出的一种新的信号分析方法,它利用分析信号自身的特性进行信号分解,是一种自适应的多尺度分析方法。经验模态分解具有自适应特性,是对已有信号分析方法最根本的突破。具有很强的理论研究意义和工程应用价值。本文对一维经验模态分解算法进行分析,提出了一种新的二维信号经验模态分解边界抑制算法,并把这种边界抑制算法应用到二维图像信号分解中,取得了较好的分解效果;然后对这种分解算法进行改进,提出了新的多尺度、多方位的二维经验模态分解算法。根据本文的二维经验模态分解算法,提出了一种新的纹理分割算法。实验表明,提出的边界抑制算法对经验模态分解有很好的边界抑制作用,减少了二维经验模态分解的计算量;采用新的边界抑制方法的二维经验模态算法快速、高效;基于二维经验模态分解的纹理分割算法提取的特征准确、分割效果良好。