图像分割是图像处理到分类的关键步骤，因此研究图像分割具有重要的意义。目前常用的是基于区域水平的图像分割算法，比如区域高斯混合模型、区域马尔科夫场分割、IRGS算法等，其中IRGS算法以其精确的数学模型分割精度较高。但是IRGS算法的区域模型建立在灰度梯度基础上，由于灰度梯度不能描述图像的纹理特性并且对噪声比较敏感，因此降低了IRGS算法分割精度。而纹理梯度能够描述图像的纹理特性并且具有一定的抗噪声性能，因此本文将纹理梯度和IRGS算法结合，建立基于纹理梯度的IRGS图像分割算法，以解决IRGS算法现存的问题。其主要研究内容如下：1、研究提出基于纹理梯度的初始区域模型。纹理梯度能够描述图像的纹理特性，分水岭算法本质上是基于区域增长的分割算法，将纹理梯度和分水岭算法结合获取图像的初始区域，在此基础上构造区域邻接图，建立区域之间的上下文关系，最终建立基于纹理梯度的初始区域模型。实验结果表明基于灰度梯度的分水岭算法过分割情况比较严重，而基于纹理梯度和改进纹理梯度的分水岭算法过分割情况有所改善。2、研究提出基于纹理梯度区域化模型的图像分割算法。将基于纹理梯度初始区域模型和IRGS算法结合，建立基于纹理梯度的IRGS分割算法。为了进一步地增强纹理梯度，提高IRGS算法的分割性能，首先对图像进行非局部均值滤波，再进行IRGS算法分割。实验结果表明基于改进纹理梯度的IRGS算法在抗噪声性能上优于基于灰度梯度的IRGS算法，在进行非局部均值滤波后，分割精度进一步提高。