随着数字多媒体信息时代的飞速发展,大量的图像和视频信息在计算机网络上被不断地传播和分享。这些视频或者图像信息的高维特性通常会导致处理过程中的时间复杂度与空间复杂度过高,产生“维度灾难”。伴随多媒体数据出现的“维度灾难”问题,大量的不相关或者冗余信息存在于高维空间中,严重影响对图像或者视频内容的分析与处理,因此,及时获得并有效地处理视频或图像中的信息是当今多媒体时代的研究热点。作为图像表面的一个重要的视觉线索,纹理特征反映了图像或图像区域所对应景物的表面性质,在图像处理、模式识别和计算机视觉领域中起着至关重要的作用。然而,自然界的纹理图像常常由于外界成像条件的变化而导致成像结果存在较大的差异,因此,为了及时、高效地处理图像中的信息,研究简单、高效、低维和鲁棒的图像纹理特征提取方法具有重要的理论意义和应用价值。论文主要围绕图像的纹理特征提取方法进行研究,针对图像纹理特征提取过程中的现有问题,在图像表面像素点处主曲率信息的基础上,利用特征融合、多尺度和多分辨率分析、跨尺度联合特征描述等理论提出了四种简洁、高效、鲁棒的纹理特征提取方法。本文的主要研究内容和创新成果如下:(1)针对图像纹理信息在成像时受到旋转和光照变化的影响,提出了融合完备局部二值模式和主曲率的图像纹理特征提取算法。真实环境中的图像纹理特征时常会发生任意旋转和受光照变化的影响,这些变化将严重影响统计方法的结果。图像表面像素点处的主曲率信息不仅具有连续旋转不变特性,而且其包含的两个极值曲率能够有效的描述图像的宏观和微观特征,对解决图像因受光照和旋转变化的影响非常有效。基于主曲率信息的以上优点,本文对其进行特征转换和编码,并将其与完备局部二值模式下的特征提取信息相融合。实验结果表明,利用主曲率作为融合特征信息能够有效的提高完备局部二值模式在光照和旋转方面的鲁棒性,同时也为下一章提出更加鲁棒和高效的图像纹理特征提取算法打下了基础。(2)针对图像纹理特征提取过程中现有算法所构建的旋转不变模式鲁棒性差、特征维度高、准确性低的特点,本文提出了基于主曲率的多分辨率灰度和旋转不变特征提取算法。尽管已经有许多特征提取算法被提出来,且都能够取得一定的效果,但是其计算复杂度和特征向量维度也非常高,不仅如此,现有方法所构建的旋转不变模式也并不是完全旋转不变的。为了解决以上问题,本文基于图像表面像素点的主曲率信息,设计了更加高效的特征信息转换和归一化方式,并对转换和归一化后的结果进行编码,同时仅利用局部像素点的符号信息作为融合信息同编码后的主曲率信息进行融合,其次,为了提取简单、高效同时又对光照、旋转和视点变化鲁棒的多分辨率纹理特征信息,我们又设计了不同参数下的多分辨率信息提取方案,并将提取的不同分辨率特征信息相融合,最后,通过实验仿真和参数优化,对该算法进行优化以确定其具有最优性能的详细参数。实验结果表明,该算法在特征维度、精确度和对光照、旋转、视点变化的鲁棒性方面,优于现有的图像纹理特征提取方法。(3)针对图像纹理信息易受尺度缩放和视点变化的影响,现有的纹理特征提取算法提取的纹理信息过于冗余和低区分性,且在对纹理目标进行分类识别时受训练样本个数限制的特点,本文提出了基于主曲率的交叉互补局部二值模式特征提取算法。该算法在提取图像表面像素点处主曲率信息并对其归一化、转换和编码的基础上,提出了多尺度和多分辨特征信息提取方案,并采用跨尺度联合特征描述的方法将不同尺度和分辨率下的主曲率编码信息与旋转不变统一模式的局部二值编码信息进行融合,实现图像纹理信息的鲁棒提取。实验结果表明,该算法对尺度、视点、光照、旋转和样本个数变化具有高的鲁棒性,且简单又低维,可以有效地提取图像的纹理特征信息。(4)针对图像表面像素点处曲率信息中的高斯曲率和平均曲率进行研究,根据它们与主曲率的相互关系,提出了基于高斯曲率和平均曲率的图像纹理特征提取算法。该算法首先利用高斯一阶导数和二阶导数计算出高斯曲率和平均曲率,进而将其转化为主曲率信息并对其进行特征转换和归一化,再将转换后的结果按照局部二值模式的方式进行编码,然后利用多尺度、多分辨率方案和跨尺度联合特征描述方法,将旋转不变统一模式的局部二值编码信息与主曲率编码信息进行特征融合以实现最终的纹理特征信息鲁棒提取,最后通过仿真与优化来确定使该算法取得最优性能时各个参数的详细值。实验结果表明,与当前主流的纹理特征提取算法相比,该算法对于各种成像条件的变化具有更高的鲁棒性,能够更有效地提取图像的纹理特征信息,为图像纹理特征的提取提供了另一种简单、低维和高效的方法。