物体表面的纹理结构直接反映了物体所具有的属性。纹理为图像中目标的表达提供了丰富的信息。如何很好地描述纹理一直以来是计算机视觉领域研究的热点和难点。近些年来,局部二值模式作为一种纹理特征被广泛地应用到计算机视觉的各个领域。本文针对纹理分类任务,对局部二值模式进行了深入的研究。多数纹理描述子容易受到图像光照变化的影响。本文分析了三种光照变化对局部二值模式方法的影响。针对其中的反射光照变化,提出了一种梯度局部二值模式算法。该方法利用局部邻域梯度的加权特征线性组合来构造局部二值模式,对线性变换的图像具有很好的表达能力。此外,纹理的旋转变化要求局部描述子具有一定的旋转不变性。目前,有些局部二值模式算法能够很好地表达旋转变化的图像。从这些算法的设计思路出发,归纳总结出三种构造局部二值模式的策略,分别设计出三种局部二值模式算法。多环局部二值模式采用合并的策略,将位于相同环上采样点的信息合并构建旋转不变的描述子；局部排序二值模式根据变换策略,对局部邻域采样点排序,利用中心点在排序序列中的位置描述旋转变化的局部结构；可变起始采样通过改变传统局部二值模式起始采样点的位置生成不同旋转方向的特征。可变起始采样的方法能够使大多数旋转变化的局部二值模式采用穷尽搜索的策略实现旋转不变的纹理分类。为了提高局部二值模式方法对纹理描述的能力,本文提出一种多结构的局部二值模式。该算法结合各向同性采样和各向异性采样对局部二值模式进行扩展,利用图像金字塔技术提取纹理图像的微结构和宏结构信息。根据图像金字塔上各种特征对纹理描述的贡献分配恰当的权重。同时,该方法具有很好的扩展性,可以应用于其它一些基本的局部二值模式算法,能够提高相应算法的判别能力。字典学习和局部二值模式是目前纹理分类领域中较为流行的两种方法。这两种方法在描述对象、特征提取等方面存在着很多相似之处。本文对这两类算法进行比较分析,发现局部二值模式是一种特殊的字典学习算法。从去除局部二值模式的这种特殊性出发,提出两种字典学习的局部二值模式算法。基于模式构造的字典从旋转不变局部二值模式中学习有效的模式。基于特征构造的字典从局部二值模式直方图特征中学习有效的纹理结构基元。其中,使用特征字典生成的局部二值模式算法融合了字典学习和局部二值模式的优点,对纹理有很好地描述能力。最后,本文对所做的工作进行了归纳总结,并且结合本文的不足之处,分析和讨论了进一步的研究计划。