对于分段光滑的一维信号,小波提供了简单有效的表示方法,在高维情况下,小波变换并不是最优的函数表示方法。多尺度几何分析发展的目的和动力正是要致力于发展一种新的高维函数的最优表示方法。　　 非下采样Contourlet变换(NSCT)继承了Contourlet变换的多尺度、多方向的性质,还具有平移不变性质,且引入更多的冗余信息和有效的方向分解。本文把基于NSCT的方法用于Brodatz纹理库的纹理图像分类中,实验结果表明基于NSCT的方法在均匀和非均匀纹理图像分类中的有效性。　　 Brushlet变换已经成功应用于图像中纹理区域的压缩、去噪、分类等领域。在纹理图像分类中单一使用Brushlet变换效果并不理想,但Brushlet变换提取的特征与NSCT提取的特征有很好的互补性。结合NSCT和Bmshlet变换提取的特征,提出一种基于NSCT和Brushlet相结合的方法,把它用于Brodatz纹理库的纹理图像分类中。对于均匀纹理图像分类,实验证实该方法相比其他方法在整体上的分类正确率有一定提高；对于非均匀纹理图像分类,实验证明此方法相比其他方法的分类正确率有较大提高。