图像识别因其在理论与应用中的潜在价值,近年来一直是图像处理、机器视觉、模式识别等领域中的研究热点之一。图像识别系统主要由如下几部分组成:预处理、特征提取以及特征分类。其中,特征提取是关键,学习算法的选择、学习效率和识别准确率在很大程度上都依赖于特征提取。本文侧重于对纹理图像和人脸的识别。纹理频谱法及其简化版——局部二值模式,是两种非常有效的纹理特征提取方法,用作描述图像的局部纹理单元,并取得了显著的效果。然而,纹理频谱的局限之处不仅在于它所提取的特征规模过大,而且存储和计算代价也大;而局部二值模式没有考虑到图像由于噪声和量化所引起的含糊性和不精确性,提取的特征会损失某些有用的判别信息。针对上述方法的不足,本文提出了相应的解决方法。主要的研究工作与创新总结如下:1)提出了模糊局部二值模式,把模糊化技巧引入到原始局部二值模式的定义之中,使其尽可能地不敏感于由噪声和量化所引起的含糊性,因而能更加符合人眼的视觉特性。2)提出了统一纹理频谱和εLBP2。它们分别从横向、纵向两个角度对纹理频谱进行改进,以减少所提取特征的维数,从而减小存储和计算的复杂性。3)提出了一种新的特征表示方法——Gabor纹理频谱。具体是,先对图像作Gabor小波变换,再提取变换后图像的纹理频谱作为表征原图像的特征,使得变换后的特征表示更有利于分类。对上述改进和扩展算法分别在多个国际标准数据集上进行了实验,结果验证了所提出的算法的有效性与可行性。