纹理识别是计算机视觉领域一个重要的课题,本文在传统的纹理分析方法基础上,重点研究统计几何特征、灰度梯度共生矩阵以及对数极坐标变换,并与向量机结合构建分类系统。针对图像尺度变化和角度旋转的影响,本文对具有纹理旋转不变性的对数极坐标变换方法进行了分析。从视觉效果上看,尺度和方位不同的相似纹理所对应的对数极坐标图像之间只是存在行移位现象。仿真实验结果验证了对数极坐标灰度共生矩阵比常用的灰度共生矩阵方法更加有效。另外分析灰度梯度共生矩阵方法,通过将图像的梯度信息与灰度共生矩阵相结合,使得共生矩阵更能反映图像纹理基元的排列信息。本文针对图像分类问题,由于支持向量机具有坚实的理论基础与良好的分类性能,重点研究了支持向量机的多分类方法实现,构建了粗分类和细分类相结合的多分类器,实现了纹理图像的准确划分,为有效纹理特征的表示奠定了基础。通过对Brodatz纹理集中选取的74类的纹理进行实验,正确率达到了92%,对rotate纹理集的正确率达到99%。本文对统计几何特征提取方法也进行了研究,利用图像函数图来进行纹理描述,使用一个可变的阈值把一幅灰度纹理图像切割成一系列二进制图像,由二进制图像的连通域、几何拓扑属性推导纹理描述特征。实验结果表明,统计几何特征具有非常强的纹理描述能力,同时能够克服图像的旋转,其纹理识别能力高于常用的灰度共生矩阵、离散小波变换等方法。