تبدیل حوضچه یک ابزار شناخته شده برای ناحیه بندی تصویر است. روش های مرسوم ناحیه بندی با استفاده از تبدیل حوضچه، تصویر را به نواحی دارای توزیع شدت روشنایی یکنواخت افراز می کنند. بنابراین در تصاویر شامل بافت که از نظر ادراکی یکنواخت هستند، استفاده از این روش منجر به تولید نواحی اضافی و بی معنی می شود. در این مقاله روش جدیدی برای ناحیه بندی اینگونه تصاویر با استفاده از تبدیل حوضچه پیشنهاد شده است. در این روش ابتدا ویژگی های محلی لبه و بافت برای تمام پیکسل های تصویر استخراج می شوند. در مرحله بعد با ادغام این ویژگی ها، تصویری بدست می آید که مرزهای نواحی در آن برجسته شده اند. اعمال تبدیل حوضچه روی تصویر حاصل، نواحیی را که از نظر ادراکی یکنواخت هستند از یکدیگر تفکیک می کند. ویژگی های محلی لبه با استفاده از مدل محاسباتی سلول ساده کورتکس بینایی محاسبه شده اند. پارامترهای مدل محاسباتی سلول ساده به گونه ای محاسبه شده اند که عملگر حاصل از نظر آشکارسازی لبه، تعیین دقیق موقعیت لبه و پاسخ یگانه به یک لبه بهینه باشد. برای محاسبه ویژگی های بافت نیز روش جدیدی ارایه شده که مستقل از چرخش بافت است. در این روش از مدل محاسباتی سلول پیچیده استفاده شده است. در استخراج ویژگی های بافت یک آستانه گذاری موثر روی پاسخ مدل سلول پیچیده اعمال شده است. این کار نتایج حاصل از ناحیه بندی را به میزان زیادی بهبود بخشیده و باعث شده که روش ارایه شده برای تصاویر مختلف عملکرد خوبی داشته باشد. در انتها کارایی روش پیشنهادی در ناحیه بندی تعدادی تصویر از چشم اندازهای طبیعت و تعدادی تصویر بافت نشان داده شده است.