纹理分割作为图像分割的一个重要研究方向，在目标识别、图像理解及计算机视觉领域的研究中起着重要的作用。特征提取和特征分类是纹理分割的两个主要问题。本文以小波分析理论和模式识别方法为主要工具，对纹理分割的这两个方面进行了深入研究。 首先对小波变换的基本理论进行了介绍，分析了金字塔小波和冗余小波在表征二维图像方面各自的优缺点。在此基础上对多分辨率多通道纹理特征提取方法进行了研究。其中包括了对基于金字塔小波变换的Laws 特征提取方法的研究，并在此基础上提出的一种基于冗余小波变换的纹理特征提取方法。然后对特征提取方法进行了进一步改进：针对计算纹理特征时出现的边界效应这一问题，提出了一种基于四分法的纹理特征平滑算法。该算法使得纹理分割的精度得到一定程度的提高。 特征分类算法是纹理分割的另一重要问题。本文在分别对模糊C 均值算法(FCM)和支持向量机算法(SVM)的原理进行介绍的基础上，分析了支持向量机作为一种新的分类器算法所具有的优点。之后针对支持向量机无法自动获取特征训练样本这一问题，提出了结合模糊C均值和支持向量机的无监督纹理分割算法，实现了对纹理图像的自动分割。最后，通过实验证明了该算法对纹理分割的精度有一定的提高。