随着电子技术、计算机技术、多媒体技术的发展，数字图像的生成、处理、传输技术越来越成熟，涌现出大量的图像信息等待我们去研究处理。如何从图像数据库中找出我们感兴趣的图像，很自然的摆在我们面前，这便是基于内容的图像检索(CBIR)。近年来，该项技术的研究非常活跃，而且在许多领域都有应用。所谓的内容即是图像的特征，比较直观的有颜色、纹理、形状等，另外还有一些隐含特征，比如灰度直方图、颜色直方图等等。要找到我们想要的图像，就必须将图像数据库中的所有图像根据自身的特征进行详细的分类，并且将每一类图像的特征准确地描述出来，做到这一点是比较困难的。本文主要是针对图像的纹理特征进行的研究。纹理是图像的一种非常重要的特征。目前，人们对纹理还不能够给出一种确切的定义。关于纹理的研究称为纹理分析，它主要用在纹理分割和分类领域。比如，遥感图像分类、机器视觉中物体的分类分割等。近年来，纹理分析的应用越来越广泛。纹理分析所面临的关键问题主要是纹理特征的描述，目前描述纹理的方法很多性能各异，主要分为两大类：基于统计的分析方法和基于结构的分析方法。统计分析方法主要是从纹理所呈现出的统计特性来寻找一定的纹理特征；而结构分析方法是探寻纹理构成单元的结构特点。当然，也有人提出过其它的分类方法，比如，模型法、空/频法等。但是针对所有纹理确实没有任何一种万能的方法，很多都是针对某一类纹理图像能够具有良好特征抽取效果，这已经难能可贵。　　 本文总结了前人的许多纹理描述方法，然后通过实验对比了几种常用的纹理描述方法的性能，最后通过对比分析将这些方法运用在对痕迹图像的检索中。