الگوریتمهای جداسازی بافت شامل دو مرحله می باشند. مرحله اول، مرحله استخراج ویژگیها از تصویر است که با روشهای گوناگونی تاکنون انجام شده است. در این پایان نامه، چندین روش از روشهای استخراج ویژگی شامل فیلترهای گابور، تبدیل موجک و تبدیل چند موجک مورد استفاده قرار می گیرند. مرحله دوم، مرحله دسته بندی می باشد که در اینجا از روشهای خوشه یابی فازی و برآوردگر حداکثر احتمال پسین استفاده شده است.الگوریتمهایی که در این پایان نامه پیشنهاد شده اند را می توان به دو دسته تقسیم کرد. دسته اول براساس فیلتر گابور می باشد. در الگوریتم بهینه سازی جداسازی تصویر با فیلتر گابور، یک سری ضرایب در قالب مجموعه های فازی برای ترکیب خروجی فیلترها تعریف می شود و سپس با استفاده از الگوریتم ژنتیک مقادیر درجه عضویت مجموعه های فازی بهینه می گردند. با استفاده از مجموعه های فازی بهینه شده ویژگی مربوط به نقاط تصویر تعیین می گردند، یکی دیگر از این الگوریتمها برای بهینه سازی پارامترهای فیلتر گابور با استفاده از الگوریتم ژنتیک می باشد. به این دلیل که این پارامترها در ویژگیهای استخراج شده از تصویر موثر می باشند ما به دنبال پارامترهایی هستیم که حداکثر اختلاف بین ویژگیهای استخراج شده از بافتهای مختلف را نتیجه دهند. در کارهای قبلی از روشهای آماری استفاده شده، ولی ما از الگوریتم ژنتیک استفاده می نماییم. دسته دوم الگوریتمها بر اساس استفاده از تبدیل موجک و چند موجک تصاویر می باشد. یکی از این الگوریتمها شناسایی بافت در ناحیه خاص تصویر است که با محاسبه انرژی زیرتصویرهای حاصل از اعمال تبدیل موجک و چندموجک، ویژگیهای تصویر را استخراج می کند. یکی از این الگوریتمها جداسازی بافت را با استفاده از اطلاعات محلی تصویر انجام می دهد. به منظور تهیه اطلاعات محلی از ویژگیهای تصویر، با استفاده از تصاویر حاصل از تجزیه تصویر، برای هر نقطه تصویر بردار ویژگی تشکیل می شود. الگوریتم دیگر با افراز تصویر به یک سری نواحی و جداسازی آنها با الگوریتم شناسایی بافت در ناحیه خاص تصویر کار می کند. آخرین الگوریتم پیشنهاد شده مربوط به استفاده از تصاویر ویژگی حاصل از محاسبه تبدیل موجک تصویر در الگوریتم برآوردگر حداکثر احتمال پسین با استفاه از قاعده بیز می باشد. با توجه به نتایج عملی حاصل از اجرای الگوریتمهای بالا بر روی تصویر ساختگی و واقعی، می توان نتیجه گرفت که خوشه یابی فازی ‏‎c‎‏ میانگین یک طبقه بندی کننده مناسب برای جداسازی بافتهای تصویری می باشد. فیلترهای گابور بهینه سهم به سزایی در شناسایی بافتهای تصویر ایفا می کنند. تبدیل موجک و چندموجک نیز در استخراج ویژگیهای تصویر موثر و مفید هستند و جا دارد تحقیقات بیشتری در این زمینه صورت گیرد. فیلترهای گابور در استخراج ویژگیهای محلی بافتهای تصویر بهتر از موجک و چندموجک عمل می کنند و در الگوریتمهایی که از اطلاعات محلی استفاده می کنند موفقتر می باشند. در عوض استفاده از تبدیلهای موجک و چندموجک جهت استخراج ویژگیهای کل تصویر یا ناحیه ای از آن به طور غیرمحلی، مناسبتر از فیلترهای گابور می باشد. در این میان تبدیل موجک در آزمایشات انجام شده بهتر از تبدیل چند موجک عمل کرده است. همچنین استفاده از تبدیل موجک در الگوریتم برآوردگر حداکثر احتمال پسین مناسب می باشد.