图像分割是计算机视觉领域的一个重点难点课题,本文利用一种新的融合纹理和几何特征的图像分割框架,将图像分割问题转化为分类问题加以解决。针对所处理对象的不同,本文进一步研究了特征和判别式学习方法的选择问题,并在纹理图像分割,室外场景和室内场景图像理解三个典型应用中进行了深入讨论。论文的主要工作有：1、介绍了融合纹理和几何特征的判别式图像分割框架,给出了将图像分割问题转化为分类问题的优化目标。2、针对纹理图像分割,进一步将其分为基于纹理特征的交互式分割和基于纹理基元的场景分割两个子问题来进行研究。对于基于纹理特征的交互式分割,采用了梯度直方图特征和boosting算法来进行分割处理；基于纹理基元的场景分割则采用了纹理基元特征(textons)和Joint Boosting算法来进行分割。实验结果表明了基于纹理特征与判别式的学习方法,能够有效的区分图像中的各种纹理模式,并且可以在各种场景图像中对不同语义类别的图像块进行识别和分割。3、在上述研究的基础上,进一步讨论了三维场景理解问题。针对室外场景图像和室内场景图像,提出了基于几何特征进行图像分割和场景理解的算法。实验结果证实了即使在各种复杂的场景中,该方法依然能得到比较好的分割结果。