美术绘画对人类精神文明的建设有非常重要的作用。美术绘画深刻地诠释了画家的艺术观念、审美观念和价值取向,也充分的表达了人类在不同时期的社会场景、文化和意识形态。随着互联网和移动智能设备的快速发展,大量的美术绘画作品以数字图像的形式被收藏。同时,产生了对大量的美术绘画图像的存档、检索、物体检索和伪造检测等实际需求。当然,这些需求都需要在美术绘画图像分类任务的基础上展开并实现。因此,如何自动地对大量的美术绘画图像进行分类是非常重要的。根据美术绘画图像的特点,本文针对性的采用了笔触信息来分析美术绘画图像。笔触的概念源于美术绘画领域,它是一幅美术绘画作品实质的部分,也是分析创作者当时的价值取向和了解同时期的社会文化的重要依据。笔触也被认为是一种特殊的纹理信息。在美术绘画图像分类任务中,虽然有部分研究者采用过笔触来研究纹理信息,但对美术绘画图像的本质理解得不深刻,所以取得的效果有限。基于前人的工作,本文采用了基于灰度共生矩阵的数学表示来对美术绘画图像中的笔触信息进行提取。在本文中,创新性地提出了一种双通道的双路径网络,用于美术绘画图像风格、体裁和美术家的分类任务。双通道包括RGB和笔触信息通道。RGB通道用于表达美术绘画图像中的色彩信息外,笔触信息通道用于从美术绘画图像中提取笔触信息。并且在深度学习中使用四个方向的灰度共生矩阵来检测笔触信息,该方法在美术绘画分类的任务中从未被考虑过。基于对两个数据集的实验结果,四个方向的灰度共生矩阵在美术绘画图像的特征表示中是有效的。与其他方法相比,该方法具有最佳的分类精度和良好的泛化性能。