本論文では，画像のウェーブレットフレーム分解によって得られる冗長なウェーブレット係数に対して，原画像の各画素に対応するサブバンド内の範囲（1画素当たりのドットエリア）を分解レベル毎の冗長性に応じて階層的に拡大する方法を提案する．具体的には，冗長なウェーブレット係数からなる特徴空間においてテクスチャ画像をGMRFモデルによりモデル化して各画素のクラスラベルを求める際に，モデルパラメータの推定に用いる係数の範囲および結合確率密度の算出に用いる係数の範囲を，当該ドットエリアに合わせてそれぞれ拡大して取り扱う．本提案法は，GMRFモデルに基づくテクスチャ画像の領域分割の際に使用する画素毎のウェーブレット係数の数を，当該ドットエリアを用いて増加させることで，クラスラベルが孤立する点の発生を抑制することができる．4種類のテクスチャを同時に領域分割する実験により，本提案法の有効性を示す．
