纹理特征是图像的重要底层特征之一,本文对由表示图像纹理特征的纹理谱方法演变而来的LBP算法进行研究,并将改进的算法应用于图像的分类识别,目标追踪和图像分割当中。本文主要工作如下:1、研究LBP模式分类方法中的等价模式和旋转不变的等价模式,提出一种新的模式分类方式即按照0/1变换次数和二进制码值中1的数目进行分类。通过图像直方图和常用纹理库的对比试验可以看出本文提出的模式分类方法具有较高的纹理识别能力。2、用生物学中的共生概念对图像处理中的一些方法进行分析和解释,然后按照共生概念对这些图像处理方法进行分类。针对成对旋转不变的局部二值模式算法(PRICoLBP)提取方法提取的纹理特征计算复杂度高、旋转不变性较差、对较小的纹理结构特征不敏感的缺陷,提出一种改进的PRICoLBP算法。首先,改进原有算法对共生点对的选取方式,使得改进算法在保持统计更高阶纹理信息能力的同时,又增强了图像对旋转变化和光照条件变化的鲁棒性。其次,该算法融合了灰度值大小关系特征和灰度值差值幅值特征相比于原有算法只提取灰度值大小关系特征能够提取更多的纹理特征信息,从而提高了算法对较小纹理结构图像的识别能力。此外,改进算法相比于原有算法的计算维度更小。在对Brodatz,Outex,CUReT和KTH_TIPS图像纹理库的分类实验中,改进算法的识别能力相对于原有算法分别提高了 0.17%,0.24%,2.39%和2.04%。实验结果表明,改进算法在处理较小纹理结构的图像时具有较好的识别效果。针对局部二值模式特征(Local Binary Pattern,LBP)对噪声敏感、旋转不变性较差的问题,提出一种基于共生的抗噪局部二值模式纹理分类算法。首先,对LBP模式进行重新分类,对等价模式和旋转不变的等价模式进行扩展;其次,利用共生方法将原图中表示视觉微观纹理信息的LBP特征和降采样后图像中表示非视觉微观纹理信息的LBC特征进行并联,添加图像的梯度幅值信息,得到一种具有旋转稳定性和抗噪性的纹理特征表示方法。最后,在不同纹理图像库中比较本文方法和其他特征表示方法识别率的差别。实验结果表明,本文方法具有较好的旋转不变性和抗噪性。3、针对追踪过程中目标出现遮挡、目标的尺度发生变化时,STC算法容易丢失追踪目标的问题,提出一种融合LBP纹理特征的时空上下文追踪方法。首先,计算每一帧中包含目标区域的LBP纹理直方图。其次,利用卡方统计计算第一帧的LBP纹理直方图与当前帧图像内目标区域的LBP纹理直方图的相似度、相邻两帧的目标区域的LBP纹理直方图的相似度,当相似度大于设定阈值时认为目标发生遮挡,改变时空上下文更新系数和追踪目标的中心位置坐标。实验结果表明,该算法相比于原有STC算法在目标被遮挡、目标形状和尺度发生变化时均能稳健地跟踪目标,并且能够保证实时性的要求。4、针对RSF活动轮廓模型对初始轮廓敏感和分割效率较低的问题,提出了一种融合LBP纹理特征的RSF活动轮廓模型。通过引入纹理能量项,使得RSF模型对初始轮廓具有一定的鲁棒性和较快的分割速度。