纹理分析是图像理解、分析与识别中的重要研究内容,在模式识别领域和计算机视觉领域中有着非常广泛的应用前景。纹理分析的主要研究内容为纹理描述、纹理分割、纹理分类、纹理检索等方面,其中纹理分类及纹理融合是纹理分析的重要组成部分。近几年内,人们已经利用小波及超小波做了大量的二维纹理分类及融合方面的研究,但还没有将超小波应用到三维表面纹理的分析中。本论文就是利用超小波家族中的Contourlet完成三维表面纹理的分类与融合的任务。本论文首先介绍了三维表面纹理,系统地研究了基于Contourlet特征的三维表面纹理的分类与融合。Contourle变换作为一种新型的多尺度,多分辨率分析工具,不但具备小波的多分辨率,局部性和临界采样等特性,还具备小波欠缺的多方向性和各向异性,所以Contourlet变换比小波变换更能稀疏地表达图像。论文中详细介绍了Contourlet变换的原理和基本思路,对图像分类和融合的一般方法进行了综述。文章中有三个主要的任务:首先利用Contourlet特征进行三维图像融合实验,其中提出了一种融合规则并基于朗伯模型的原理在不同的光照条件下能得到很好的效果。其次,对三维图像进行Contourlet变换,在充分利用图像各尺度方向信息的基础上,有效提取图像纹理特征。将这些特征写成特征向量形式然后利用支持向量机SVM进行分类,最后达到了良好的分类的效果。最后,在Contourlet特征加入了分形特征,进一步提高了图像分类正确率。实验结果表明本文提出的三维表面纹理分类和融合方法是行之有效的,并为以后进一步的研究工作打下了基础。