随着图像数据库的广泛应用，基于图像纹理的检索已经变成了一项重要，同时也是复杂的工作。现实世界中，纹理是一个非常普遍的现象，有许多不同的来源：首先，很多小的物体组成的图像可以被认为是纹理；例如，草、树、灌木丛、小石头、和头发。其次，有很多小物体组成的有规律的形状的物体表面，也可以认为是纹理。例如，印度豹、美洲豹身上的斑点，老虎或斑马身上的条纹，树皮、木头和皮肤上的图案。纹理研究中有三个基本的问题：纹理分割、纹理合成和纹理恢复。纹理分割是把图片分成不同的部分，每个部分内有近似的纹理；纹理合成是寻找如何利用局部的图像特征来构造大片纹理区域的方法；纹理恢复形状是利用图像纹理恢复物体表面的方向和形状。 为了更简单、快速地搜索图像库中的图像，本文基于图像纹理的非监督分割，提出了新的图像分类方法。通过对每一纹理图像进行这种非监督纹理分割，提取纹理的特征向量，然后运用这些参数，根掘假设检验进行纹理的分类和融合。 图像分割就是将图像分割成若干互不交迭的区域，每一个区域都有大致相同的像素组成。例如，这些区域可能是亮度相同或颜色相同，说明这些区域属于同一个物体或者一个物体的同一部分，而相邻的区域之问有明显的属性差别。分割是计算机视觉和图像分析中十分重要的组成部分，通过分割可以区分出图像中重要的区域。在许多重要的应用中，如何定义相似性和一致性是一个基础的问题。纹理分割就是确认图像中相同的纹理区域，目前有很多纹理分析的方法。如果已知一组纹理，图像的分割和检索就能够看作是一种监督分类的工作，在模式识别和概率统计中有许多方法进行这种检验。图