由于SLIC0算法在分割时仅考虑图像的颜色、亮度、空间位置特征，没有考虑纹理特征，当分割具有繁杂纹理的自然图像时，其分割的超像素无法精准地符合区域或目标的边界或外轮廓，因此提出基于SLIC0融合纹理信息的超像素分割算法———SLIC0-t。首先利用光谱分析描述图像中区域的纹理特性，然后在分割中融合能够准确反映图像中目标轮廓或区域边界的纹理特征;其次在分割过程中，进一步优化SLIC0围绕种子像素搜索近邻像素的搜索策略，采用以各个种子点为中心，在以预期超像素邻接距离为半径的圆盘内搜索的搜索策略;最后通过在公共图像库BSDS500上进行连续不同大小超像素的分割实验验证，结果表明:在边界召回率方面，SLIC0-t算法明显稳定优越于SLIC0算法;