地震剖面图像具有明显的纹理特征，不同的纹理区域代表着不同的地质体。在纹理方向或结构发生突变的地方意味着地质结构的突变。这些信息对于寻找石油或天然气是很重要的。因此发展一种用于地震剖面图像的分割方法既有理论意义，又有潜在的应用价值。本文的主要研究内容如下：(1)纹理图像分割和识别的关键步骤是图像的特征提取，它的重要性在于纹理特征提供了纹理图像中区分不同区域的必要的结构信息，本文首先对纹理特征提取常用的方法做了介绍，在研究这些方法优缺点的基础上，结合地震剖面图像特征通过构造分形模型来提取图像特征。(2)分形维数(FD)的准确估算是分形模型提取纹理特征的关键，本文主要讨论了分形维数估算的一般方法，并在此基础上做了一些改进。然后又把数学形态学引入分形维数的估算中，和前面的估算方法做了对比，实验结果表明基于数学形态学的分形维数可以有效地作为纹理图像的特征。(3)为了减少分割中边界的估计错误，本文把传统的4邻域边缘保护噪声平滑象限滤波技术(EPNSQ)改进为8邻域，并对每一个分形维数特征在用于分割之前进行了平滑。在分割中使用了自组织特征映射神经网络(SOFM)算法，实验中分别用三种方法对实际的人工地震剖面图进行了特征提取和分割，分割结果表明了本文采取的方法是有效的。