解决纹理图像分割问题的困难首先来自于缺乏有效的纹理描述方法。近年来研究使人们感到，找到能够反映纹理本质或者人类视觉系统纹理感知过程的数学模型，可能是避免描述纹理陷入盲目的一个有效途径。事实上，研究已表明，分形维数与人类视觉系统对纹理粗糙程度的感知有着相关性，而人们描述纹理时最常用的词汇就是纹理的“粗”和“细”。因此，有理由相信，基于分形模型应该能够得到非常有效的纹理描述符。 本文对纹理描述的研究将集中于各种基于分形模型和多重分形模型的描述方法上。由于使用固定划分的规则网格，常用的基于计盒维数的分形维数估计算法误差较大；而基于数学形态学的分形维数估计算法可以得到更准确的结果，但为了降低计算量，它使用的是固定尺度的结构元，而降低了运算准确性。为此，本文在不增加运算复杂度的前提下，提出了基于可变结构元的数学形态学分形维数估计算法，实验证明本算法估计的分形维数更为准确，且占有更大的动态范围，从而具有更强的区分纹理的能力。另外对于大数据量的图像，要求分割算法的时间复杂度不能太大，本文引入了多尺度模糊聚类分割算法来实现图像分割，实验表明此算法可以在保持分割精度的前提下大大提高运算速度。