当下,图像作为一种普遍的信息传递方式,已经遍及人类生活的各个角落,随处可见。而纹理特征作为图像的一种固有属性,对于分析图像所包含的信息与内涵有着至关重要的作用。目前对于图像纹理特征的提取技术主要有基于统计、频谱、模型、结构等四大类的方法,它们都不同程度地存在各种各样的缺陷,还不能完全满足人们的需求。首先,本文就Tamura纹理特征、灰度共生矩阵、局部二值模式三种纹理特征提取技术做了详细的阐释,重点介绍了Tamura纹理特征中粗糙度的提取算法--Rosenfeld算法,并改进了Rosenfeld算法中对领域均值差值的计算方法以及提高了尺寸量化方式的量化精度,使算法的旋转不变性得到了有效地提高,普适性大大增强,接着通过上述原算法和改进后的算法分别对Brodatz纹理图像库和苗族刺绣图案进行仿真实验加以验证,从实验结果看出,基本符合改进后的预期。最后,由于基于纹理特征的图像分类大多都是在没有先验知识的情况下进行的,因此,本文选取了适用于该情况的仿射传播聚类算法作为基于Tamura纹理特征的图像分类方法,对相似性度量、偏向参数和衰减因子的设置做了相应的研究,达到了自适应的目的,克服了人为控制偏向参数和衰减因子的缺陷。然后,基于Brodatz纹理图像库提取出的Tamura纹理特征向量采用仿射传播聚类算法对图像进行分类,据相关的实验指标显示,能够取得良好的分类结果(在特征距离下的Silhoutte指标为0.5831),并进一步验证了基于Tamura纹理特征的纹理特征提取方式是可行的。