传统的图像分割方法主要是基于图像的灰度特征的。分割算法可分为利用区域间灰度不连续性的基于边缘的算法和利用区域内灰度相似性的基于阈值的算法。 　　人类视觉系统初级阶段的视觉信息处理研究表明：基于空间－频域多分辨率分析的图像分割方法是与人类视觉特性相一致的方法，反映了人类视觉感知过程中的多分辨率、多方向特性，因此基于空间－频域多分辨率分析的图像分割方法引起了研究者们的广泛关注。 　　本文首先介绍了小波变换和聚类分析的有关理论和方法。然后讨论了小波变换在图像分割中的应用。包括：小波变换应用于边缘检测；多进制小波变换和模糊聚类方法应用于纹理分割。 　　小波应用于边缘检测主要是利用了小波能够对信号的奇异性和奇异度进行很好的刻划和描述，从而能够很好的检侧出图像的边缘。通过其与其它边缘检测算子的比较，可见其优越性，同时为中层的图像识别和高层的视觉理解提供了一个良好的特征参数。另外，运动目标的识别与跟踪也是当今计算机视觉领域的一大热点。本文研究的基于小波变换多尺度理论的图像分析方法，如将其应用于具体实际应用，对识别从而跟踪指定的目标具有重大的意义。这也是今后研究中的进一步工作。 　　小波应用于纹理分割主要是利用小波的多尺度特性，使得既能可靠的将纹理分类，又能很好的确定纹理的边缘。结合人类视觉感知机理，本文对小波多尺度分析纹理特征提取方法进行了研究。在叙述小波分析理论的基础上，把多进制小波分解引入到纹理表示中来；同时根据人类视觉中的模糊性和随机性，对模糊聚类算法进行了研究。在介绍聚类算法的基础上，研究了模糊C-均值聚类算法目标函数的改进问题，构造了一种基于多进制小波变换和模糊C-均值聚类算法的纹理分割方法，取得了理想的分类效果。