纹理是一种区域视觉线索，在图像中普遍存在而又难以描述，是一种描述图像中各个像素之间的空间分布关系，一直以来都没有较好的定义。由于纹理信息能够充分地利用到图像中的信息，因此纹理成为描述图像内容和识别图像内容的一种新的方法，同时它与图像的其它特征比较而言，兼顾了图像宏观结构与微观细节两方面，因此利用纹理分析图像成为图像分析的一个重要方法。而在纹理分析研究技术中纹理分割一直都是研究的难点，它涉及神经网络、统计学、模式识别、神经生理学、应用数学、生物制药等多个研究领域。但是，一直以来都缺少一种简单高效，边缘清晰的纹理分割方法。　　 针对以上问题，本文主要针对纹理分割技术展开研究，主要研究内容和贡献包括:　　 (1)提出一种基于特征空间的LO多通道优化方法，针对多个通道Gabor小波的纹理分析结果，在特征空间采用多通道LO优化的方法降噪，避免了采用传统的Gaussian滤波降噪结果边缘的模糊问题，同时，我们综合多通道的内部关系来分析出相邻纹理的边缘信息，简单高效的得到边缘清晰的纹理分割结果。实验结果表明，我们的方法，有着很好的分割效果，并且在分割速度上相比之前的其他方法也有很大的提升。　　 (2)提出一种基于纹理分割的LO最小优化滤波方法，对于梯度空间的LO最小优化算法，在普通图片上有非常好的平滑效果，但是对于带纹理的图片却达不到理想的结果，这是因为一般纹理部分颜色空间的梯度都非常大，所以很难对这部分进行滤波处理。对此，我们提出一种基于纹理分割的梯度空间LO最小优化，利用我们上面的算法先快速检测出图片中的纹理部分，然后按照梯度空间的LO算法，在其求解公式加上纹理部分的强约束，使得最后的结果兼顾整体图片的滤波效果，又很好的解决纹理的颜色突变问题。把LO算法推向了更广阔的应用领域当中。