纹理图像分割是图像处理领域里的一项具有挑战性的课题。因为纹理图像的灰度往往具有高震荡性、且图像的纹理很难给出统一的数学定义。为了有效地进行纹理图像分割，本文提出几种解决方法。其基本思想是：首先，根据纹理图像的特点设计纹理描述子(如局部熵、曲率、度量张量等图像局部特征)；然后，将其嵌入到主动轮廓线框架下，提出新的分割模型；最后，针对这些模型应用快速的、鲁棒的算法寻找全局最优解，并通过仿真实验验证了这些新模型的有效性。　　 具体来讲，本文的主要研究结果有以下几方面：　　 1.典型的主动轮廓模型分析比较1)对主动轮廓线技术发展中出现的典型模型做了详细的分析，并对各种模型之间的内在联系做了比较分析，可以看出虽然采用不同的建模方法却可得到相类似的结果，如从贝叶斯推断得到参数法的模型和CV模型的结果具有一致性。　　 2)分别从偏微分方程和变分角度出发分析了主动轮廓线凸化技术。　　 2.几种纹理图像分割模型1)从纹理图像分割的实际问题出发，提出一种基于局部熵驱动的主动轮廓线纹理图像分割模型。该模型的能量泛涵包含一个惩罚区域弧长的几何正则项和一个使用纹理模式区分不同区域的数据拟合项，特别是数据拟合项用到了局部熵来提取图像纹理并且采用L1范数作为熵的相似性度量。然后将该能量泛涵嵌入到变分的水平集公式中，通过求解能量最小化问题，得到相应的曲线演化方程。最后，通过实验验证了该方法的有效性。　　 2)针对现有图像分割模型对光照敏感，提出一种局部熵驱动的模糊区域竞争图像分割模型。首先，根据图像像素空间排列之间的相关性，采用一个滑动窗函数提取图像局部熵特征，将图像从灰度空间转化到相应局部熵特征空间；然后，在局部熵空间计算最大后验分割概率得出两相区域竞争模型；为了能够快速求解该模型，采用隶属度函数替换特征函数得到了凸的模糊区域竞争模型；最后采用快速的Chambolle对偶方法得到全局最优解。实验结果表明该模型可以得到令人满意的分割效果且收敛速度快和光照稳定性。　　 3)提出一种将任意基于区域主动轮廓线模型进行局部化推广的框架。首先，将图像从灰度空间转化到相应局部熵特征空间；然后，在局部熵特征空间，采用另外的窗函数进行局部区域信息提取，从而推导出区域主动轮廓线模型的局部化框架；最后，以CV模型为例详细推导了局部化过程，并对两种常用的窗函数进行分析比较。实验结果表明该方法可以成功分割一类包含有杂乱特征的图像。　　 4)使用图像半局部信息定义了一种几何内蕴纹理描述子来提取图像纹理特征。在此基础上提出了分割彩色图像的快速主动轮廓线模型。该模型的数据拟合项使用了区分前景和背景的概率密度函数间的Bhattacharyya距离，而对模型的求解使用了快速的分裂Bregman迭代方法。实验结果表明该方法可以有效的分割一些纹理图像。　　 5)从图像的Beltrami框架表示出发，根据微分几何中曲面Gauss曲率和均值曲率设计了一种几何内蕴纹理描述子来提取纹理；然后将其嵌入到主动轮廓线模型中，提出一种新的纹理图像分割模型，特别地，该模型中使Cauchy-Schwarz距离作为数据拟合项。对于模型求解使用了快速分裂Bregman迭代方法。实验结果表明该方法可以有效地分割纹理图像。