纹理分析是图像处理领域的基础性研究课题。随着纹理分析在实际应用中的发展,不变性纹理分析在很多领域都有不可替代的位置。其中旋转不变性纹理分类则要求将不同角度的同种待测纹理判断为同一类别,它作为纹理分析领域的重要应用方向,在军事、医学、目标识别、遥感、图像检索等领域有着广泛的应用价值,对旋转不变性纹理分类的研究将极大的促进纹理分析在各个领域的发展。虽然旋转不变性纹理分类已有30多年的研究历史,分类方法的鲁棒性仍有待提高,并存在正确率不高、运算量大且方法过于复杂的问题。在众多算法中,基于纹理块的旋转不变性算法存在缺少方向信息的问题,基于此本文研究的是方向信息在纹理块旋转不变性算法中的应用,主要工作如下:1.基于局部旋转的旋转不变性纹理分类。在特征提取时,通过两种方式在局部纹理块中提取纹理特征像素点,采用纹理块特征最大值代表局部方向。为了保证算法的旋转不变性,同时避免维数灾难问题,结合纹理块局部方向旋转与随机投影理论,对高维纹理特征做局部旋转并通过随机投影得到低维纹理特征。分类阶段则利用纹理基元的概念,对低维纹理特征聚类得到纹理基元库,并在分类器中使用基元分布直方图完成训练和分类过程。实验在UIUC、KTPTIPS、BRODATZ、OUTEX四个标准测试纹理库中进行,并取得了较好的旋转不变性纹理分类效果。2.基于主方向旋转的旋转不变性纹理分类。为了保持纹理块之间方向的相对关系,首先利用主成分分析来实现纹理块局部方向估计,对局部方向进行统计后形成纹理图像主方向,然后将纹理块沿主方向旋转后提取纹理特征点。考虑到纹理块特征维数过高的问题,通过随机投影得到低维纹理灰度特征,并将其与局部方向特征相结合来加强最终纹理特征向量中的局部方向信息。最后用样本基元分布直方图来代表纹理样本,将其投入分类器中实现训练和分类。标准纹理库OUTEX和CURET中的仿真结果表明本算法不但具有优秀的分类性能,而且具有较高的分类稳定性。