很多图像中含有纹理,平滑和分割在纹理图像进行特征提取时起着重要的作用。由于纹理含有较高的颜色对比度,传统的基于对比度的平滑与分割方法在纹理图像上结果不理想。为此,本文提出纹理图像上引导型的平滑与分割方法,通过引导图像控制纹理图像的平滑与分割过程,以获得更好的结果,主要研究内容包括:(1)现有的纹理平滑方法大都利用矩形片内的统计量区分结构与纹理,但所用的矩形片边长固定,使得选取合适的矩形片边长很困难,容易出现主要结构被过度平滑或纹理未有效去除现象。为此,本文提出基于自适应尺度的方法,通过对局部矩形片内统计量进行分析,从候选参数集中选取合适的矩形片边长,从而在纹理区域选取较大边长,在图像的结构边缘选用较小边长。然后,根据得到的自适应边长计算相应的引导图像。最后,进行引导的双边滤波。实验结果说明自适应尺度的方法可产生不错的结果。(2)大多已有的纹理平滑方法是基于矩形片的,而矩形片与图像尖锐结构不吻合,使得矩形片内统计量不准确,造成图像边缘结构模糊。因此,本文提出基于自适应区域的方法。该方法首先通过多次简单的线性迭代聚类分割方法得到自适应区域,将纹理与图像的主要结构分开。对于自适应区域中像素,采用高斯权重加权求和计算引导图像,然后进行引导的双边滤波。通过与其它方法的比较表明,自适应区域的方法可以获得更好的平滑结果。(3)传统的随机游走图像分割方法主要利用颜色对比度,而纹理图像含有高对比度,使分割结果偏离物体边界。为此,本文提出一种引导型的随机游走分割方法。对于每个像素,利用片漂移策略,在包含它的多个矩形片内选择颜色值变化最小的矩形片,并将它作为最能描述纹理信息的区域。在该区域内利用中值滤波的结果作为引导图像。然后,由引导图像计算随机游走中的权重。最后,根据随机游走得到的最大概率进行图像分割。与传统的随机游走分割进行比较,该方法对纹理图像可以得到更加理想的分割结果。