常用的图像特征有颜色特征、形状特征、纹理特征、空间关系特征等。与其他图像特征相比,纹理似乎能更好地兼顾图像宏观性质与微观结构两个方面,因此纹理分析成为图像分析的重要手段。目前其研究成果已成功应用于许多工业领域,具有重要的现实意义。由于对纹理的定义没有一个统一和精确的标准,所以一方面使纹理分析中的问题更为错综复杂、更具有挑战性；另一方面使得对纹理的研究缤纷多彩。本文对描述纹理的四大类方法：统计法、模型法、结构法和信号处理法,分别进行详细论述,并对它们之间的优缺点进行定性比较分析。通过定性的比较,发现传统的纹理特征复杂度都较高,使其广泛的应用受到了限制。局部二值模式(LBP)最初是用来区分人造纹理的,但是由于其计算简单,同时具有旋转不变性和灰度不变性,使它的应用范围不断扩大,如应用在年龄估计、背景建模、人脸识别、性别判断等方面。本文根据原始的LBP算子,通过信息熵理论提出了简化的LBP算子,即S-LBP算子。同时依据游程编码的原理,提出了基于“之”字形结构的等LBP游程长度的纹理特征。为了定量的评估纹理特征的性能,本文通过智能视频监控系统中的车牌字符识别和人群密度估计这两个系统对S-LBP和一些常用纹理特征性能进行评估。实验表明LBP和S-LBP无论在识别准确率,还是识别速度上都有明显的优势。