纹理图像分割对于图像处理、模式识别和计算机视觉的研究具有重要意义，一直以来都是人们研究的热点问题。纹理图像分割就是把一幅纹理类别不同的图像划分成几个区域，其中，每一个区域具有一致或相似性。纹理图像分割的过程一般由两部分组成：特征提取和区域一致性分割算法。纹理图像分割的结果就是给图像的每个像素分配一个类别的标记。本文对目前广泛采用的一些纹理描述方法和纹理图像分割方法进行认真的研究和总结，选择从基于特征的角度研究纹理图像分割问题。基于特征的纹理图像分割包括特征提取和图像分割这两个步骤。本文分别对这两个步骤进行研究，完成了以下两个方面的工作：1.详细介绍基于灰度共生矩阵、Gabor滤波器提取纹理特征的算法，并介绍一些相关的改进算法。2.提出一种图像纹理特征提取的新方法：结合广义局部沃尔什变换(GLWT)和局部二值模式(LBP)。首先说明广义局部沃尔什变换的定义，然后计算并分析广义局部沃尔什变换系数，并选取识别性能较好的2阶矩作为纹理特征。结合LBP空间纹理特征和灰度特征，然后根据纹理特征采用模糊C均值算法对像素进行聚类。实验结果表明，结合广义局部沃尔什变换和LBP的纹理特征具有更好的鉴别性能，且计算简单。