纹理图像分割作为图像处理和模式识别中一个重要的研究内容,一直以来是人们研究的热点。由于纹理图像不同于简单的图像,它具有大量复杂的纹理信息,因此,纹理图像的分割相对来说存在一定的困难。为解决纹理图像分割问题,本文将非局部算子推广到活动轮廓线模型中,利用活动轮廓模型的梯度项与非局部算子的结合实现对纹理图像的分割,同时利用彩色图像的R,G,B三通道彩色空间,实现对彩色纹理图像的分割。实现主要工作和创新成果如下:第一,对纹理图像分割理论基础进行了介绍,重点介绍了纹理图像特征和变分图像分割方法。第二,对基于变分理论的图像分割模型进行了介绍,重点介绍了变分图像分割的Mumford-Shah模型和Chan-Vese模型,同时对基于纹理分解的活动轮廓线模型进行了介绍。第三,在传统的活动轮廓线模型中引入非局部算子,非局部梯度项基于图像的区域相似度可以实现对灰度纹理图像的分割,由于非局部算子会使运行时间变长,所以对仅仅引入非局部梯度项的活动轮廓线模型进行改进,加入新的梯度项,这样在实现灰度纹理图像分割的同时并且缩短了运行时间。第四,由于彩色图像可以被看做是R,G,B三通道,将改进的灰度纹理图像分割模型推广到彩色纹理图像,实现对彩色纹理图像的分割。与传统图像分割方法基于图像的像素点对图像进行处理相比,本文提出的方法是基于图像的区域相似度对图像进行处理,此方法可有效分割纹理图像中感兴趣的区域。该模型不仅包含非局部梯度项,同时加入新的梯度项来加快运行速度,为提高模型的运算效率,本文运用Split-Bregman算法。最后实验验证了该模型和算法的有效性。