本文通过深入研究脉冲耦合神经网络(Pulse Coupled Neural Network，PCNN)的基本原理、运行行为及其特性，提出了一种基于脉冲耦合神经网络的数据聚类和模式分类的方法，开创性地把脉冲耦合神经网络引入模式识别领域。该方法结合脉冲耦合神经网络的相似性集群特性、同步脉冲发放特性和捕获特性，具有非常强的自适应聚类和分类能力。通过分析纹理图像的特点、深入讨论针对不同纹理特征的提取方法，提出了一种基于中心矩并结合非线性变换的纹理特征提取方法，并把脉冲耦合神经网络的聚类和分类方法应用到纹理图像的分割中，实现了对纹理图像的有效分割。我们通过大量的实验验证了文章中提出的纹理特征提取方法的有效性和基于脉冲耦合神经网络的聚类和分类方法的正确性，最后我们对影响纹理图像分割质量的因素作了深入的剖析。