近30年来,纹理分析一直是计算机视觉、视觉生理学、心理物理学界研究的热门课题之一。目前已发展了众多方法描述纹理特征,在医学图像领域也得到了广泛的应用。随着计算机辅助诊断得到人们的广泛关注和引人瞩目的发展,纹理分析方法在医学图像理解领域的研究中成为了研究的热点。 医学图像在不同病变状态下其图像纹理是不同的。如果我们能够分辨出正常和病变的图像纹理,这对医学图像辅助诊断是很有意义的。本文采用非线性复杂性分析方法来区分医学图像纹理。考虑到医学图像在出现病变时开始往往是在某些尺度的纹理产生变化,而在整体上很少变化,本文提出了一种多尺度的复杂性分析方法。经过临床数据实验,该方法取得了较高的准确率, 二维图像不同于一维的信号,本文提出的多尺度复杂性分析方法在传统的复杂性分析方法上进行了改进。文中详细论述了这种方法在图像分析中序列化、及其图像分析中分辨率的问题,还进一步研究了图像旋转和噪声对算法结果的影响。