纹理是构成现实世界的基本要素，充斥着人类生活的各个方面，对纹理的感知是人类知觉系统赖以认识世界的重要因素。随着对计算机认知科学和对人工智能研究的不断深入，计算机视觉和图像处理等分支得到了长足的发展。计算机正在逐步具有感知周围的视觉世界、进而了解它的组成和变化规律的能力。纹理，作为一种广泛存在的图像模式，自然成为计算机视觉和图像处理的重要研究课题。 对纹理的研究有两个目的：一个是研究纹理的观赏特性，另一个是研究纹理图像的特性，即纹理分析。对计算机视觉来说，纹理是为了分割和识别场景或物体表面类型而产生的一种视觉标记。目前纹理分析包含有五个主要的问题：纹理分割、纹理分类、纹理合成、从纹理恢复形状和基于纹理的图像检索。 从本质上讲，纹理分类是根据图像中各像素所处的不同区域，将它们归至已知的不同类别的问题。这种处理模式和以往的图像分割不同，因为纹理的归属不仅仅和给定像素的灰度值有关，还和其周围的灰度分布状况密切相关。纹理分类可以看作由两个子问题组成，即特征提取和分类处理。其中，特征提取的方法可分为基于统计、基于模型和基于信号处理三类，常用的工具有共生矩阵、频域分析和分形等。 本文研究了纹理图像的特征形成特点并在此基础上提出了一系列滤波器组参数选择准则，其目的是采用尽可能少的滤波器来进行纹理特征提取，并构造具有最大类间可分离性、相关性、维数低的特征空间，简化分类器设计的复杂度，在保持纹理分类效果的前提下提高纹理分类速度；我们还给出了滤波器响应的两种表示——纹理基元表示和区间直方图表示，并证明了这两种表示是可以相互转换的。 本文主要讨论了基于纹理滤波器响应表示的两种分类器：(1)贝叶斯分类，建立在滤波器响应的联合概率分布函数(PDF)基础之上，其中滤波器响应是用纹理频率直方图表示的；(2)基于纹理基元频率表示的最近邻域分布比较分类；还包括分类器的设计思想和实现过程等问题，重要的还对这两个分类器从理论上和实际应用上进行了比较，指出这两种分类方法理论上是一致的，实验中他