目前,基于小波多尺度分析的方法在图像分割中比较流行。小波的多分辨率分析思想是将图像分解为不同层上的低频和高频信息,再采用提取特征的方法进行分割。但是由于小波变换存在方向性差且只能处理点奇异等缺陷,妨碍了小波对图像特征更好的表示,对于高维信号,小波分析并不能充分利用数据本身所具有的几何特征,因而很多更优秀的多尺度分析方法应运而生。bandelet是新近发展起来的一种图像多尺度几何分析方法,本文在第一代bandelet理论的基础之上研究了第二代bandelet的基本理论。离散小波变换在每一个尺度上提供了三个方向的高频子带信息,而图像中几何结构(边缘)的走向并不只是这几种,这样差的方向性使得小波无法对图像特征进行更好的表示。针对小波的局限性,bandelet考虑了图像结构中的几何方向信息,是一种基于边缘的图像表示方法,其主要特点是能充分利用图像自身的几何正则方向,并自适应的根据所要表示的函数构造最合适的bandelet基函数。在图像处理任务中,若能够预先知道图像的几何正则方向,并充分予以利用,无疑会有助于图像的处理。本文通过分析先后两代bandelet变换的异同,证明第二代bandelet是一种既能充分利用图像的几何正则方向,又能相对第一代bandelet降低计算几何流、弯曲作用等运算的复杂度,并达到最优表示的多尺度几何工具。并借鉴第二代bandelet变换过程中用四叉树分解来获得最优方向信息的思想,提出了一种基于第二代bandelet变换的纹理图像分割方法,并结合模式识别分类中的k均值和FCM两种聚类方法进行仿真实验。实验结果表明,该算法将图像的几何特征信息有效的应用到图像分割中,得到了较好的分割效果。