图像分割是图像分析和模式识别的首要问题，也是图像处理的经典难题之一，至今没有通用的分割理论，应用领域的不同、图像质量的好与坏以及图像色彩的分布和结构的差异决定了很难找到一种通用的方法，以解决由于这些客观因素所引起的图像分割问题。目前普遍采用的技术是根据实际情况组合不同的方法，分层次的分割图像，针对可能遇到的特殊问题，研究新的方法策略。以彩色纹理图像为研究对象，把底层视觉处理中的两个重要特征，即颜色特征和纹理特征结合起，研究基于图像颜色和纹理的分割算法；图像分割算法中，图像特征的提取直接关系到算法的优劣。介绍了一种基于人类视觉系统的自然场景图像颜色和纹理特征提取方法。织物图像分割与自然场景图分割相比，有自己的特点。提出了一种基于Mean Shift(均值偏移)的织物图像分割算法，较好的解决了织物图像的分割问题。Mean Shift方法是一种有效的聚类迭代算法，可以应用于各种特征空间分析相关的领域，包括图像分割．首先介绍了Mean Shift算法的处理过程。然后以处理织物图像分割为研究对象，将扩展形式的Mean shift算法用于解决织物图像分割问题。提出一种新的织物图像分割算法，该算法包括两步骤：MeanShift图像滤波和Mean Shift图像分割。介绍了各自的步骤原理。分割效果有三个关键参数控制，空域带宽、色度域带宽和最小区域限制。实验结果中给出了三个参数的影响和选取分析．重点介绍该部分的研究成果，包括算法的基本的原理与步骤，该算法具体的C++工程实现与在纹织CAD中应用。最后以几幅织物图像为例，给出实验效果图，表明该算法的可行性、有效性和鲁棒性。本文的创新之处：其一图像分割算法中结合了颜色和纹理两类底层视觉特征。其二是在织物图像的分割问题上有所突破，成功地运用了Mean Shift聚类迭代方法。其三把该织物图像算法的工程实现在纹织CAD中应用，改进和增加了CAD软件的图像处理功能。