随着互联网的普及,数字媒体技术及智能信息处理技术的迅速发展和广泛应用,大规模图像资源不断涌现。面对如此海量的图像信息,搜索和查询内容匹配的图像会变得越来越困难,形式有效的管理和查询媒体的需求也越来越迫切。基于内容的图像检索技术引起了图像处理、模式识别、机器学习等研究领域的广泛关注。图像信息的描述与提取,图像的分类方法是基于内容的图像检索中两个重要的过程。针对这两个方面,本文研究了基于图像纹理特征的图像分类方法,采用改进的灰度共生矩阵算法及多类支持向量机分类技术实现较好的图像分类。首先,针对图像特征提取的问题,本文研究了图像内容中纹理特征的多种描述及提取方法。从纹理的特点和图像内容检索技术的实际应用出发,着重分析了统计法中的灰度共生矩阵算法。针对该方法有大量冗余计算,需求大量存储空间的缺点,进一步研究了现有的几种基于灰度共生矩阵算法的改进算法,包括和差统计法、GLCLL和GLCHS算法。综合几类方法的特点与思路,本文提出了一种改进算法——统计灰矩链表法。从理论上可以看出,统计灰矩链表法解决了存储空间需求量大的问题。通过实现传统的灰度共生矩阵算法以及改进算法,并对三组图像分别进行提取纹理特征的实验,证明了统计灰矩链表法计算8个典型的纹理特征值所需要的时间大大少于传统的灰度共生矩阵算法所需要的时间。其次,针对图像分类问题,本文研究了几种重要的模式分类方法。由于支持向量机具有坚实的理论基础与良好的分类性能等优势,本文着重研究了支持向量机方法。在支持向量机的统计理论原理和分类原理基础上,结合图像分类的特点,从核函数、训练算法和多类分类器算法三个重要的影响分类效果和速度的方面进行研究与分析,提出了适合于图像分类的多类支持向量机分类模型。在此基础上,设计了基于纹理特征的图像分类系统,结合改进的灰度共生矩阵算法和多类支持向量机分类模型,对图像进行纹理特征提取、训练和分类。采用三类图像进行实验,证明了该系统能够达到良好的图像分类效果。最后,本文从特征提取,监督学习,分类反馈等几个方面对基于内容的图像检索技术进行了展望。