纹理分类是模式识别领域中的一个重要的分支,它的目的是识别出具有不同纹理特征的物体的各种表现形式。纹理分类在计算机视觉、图像处理及计算机图形学领域和工程技术方面有着非常广泛的应用背景。目前三维表面纹理分类技术的研究是图像处理领域的前沿方向,有着广阔的研究前景。三维表面纹理的数据采集、分析、分类已成为纹理分析领域新兴的热点之一。一般来说,在分类之前要有一些关于纹理图像的先验知识。通过这些先验知识,建立起一个分析模型,从而找到某种具体有效的分类方法,以获得更高的分类识别率。其中主要工作涉及到三个部分:纹理模型的建立、特征参数的提取与选择和分类器的设计。本文的研究目的在于通过多类纹理的训练集,判断出一幅未知纹理图像的类别,并且根据同类纹理光照方向的训练集,进一步判断出此纹理的光照方向。本文首先介绍了模式识别领域中特征提取和分类的几种方法和相关背景研究,进而展开对三维表面纹理的分类和光照方向研究。针对小波包分解法提取出的特征能够准确的体现三维表面纹理的特性,本文实现了两种三维表面纹理分类的算法,分别为基于SVM和Adaboost的两种分类器。在得知某种纹理类别之后,本文采用了一种新的方向特征提取方法:改进的动态基(Active Basis)特征。由于动态基方法可以很好提取图像的方向特征,所以每个基的直方图信息就可以作为每个光照角度的训练特征。基于动态基的建模方法,本文实现了一种新的判断光照的算法,并进行了大量的实验。实验结果证明本文提出的三维表面纹理分类和光照方向判断算法是行之有效的,并为今后进一步的研究打下了一定的基础。最后,列举了本文的一些不足和改进之处。