1、紋理作為物體表面的一種基本屬性,由于它能很好地表征圖像,因此被廣泛應用于圖像分析中。紋理分析是利用圖像處理技術(shù)從圖像中提取重要的表面灰度信息,并對紋理特征進行分析的技術(shù)。圖像紋理特征提取和基于紋理的圖像分類是紋理分析中兩個重要的研究課題。針對這兩個問題,本文研究了多種紋理特征提取方法,并結(jié)合紋理特征和模式識別中常用的分類算法實現(xiàn)圖像分類。
　　在紋理特征提取和圖像分類方面所做的工作主要有以下幾個方面:
　　綜述了紋理分析的四

2、類方法:統(tǒng)計法、頻譜法、模型法和結(jié)構(gòu)法,分別對幾類方法中常用的方法進行詳細論述,并對它們之間的優(yōu)缺點進行了比較。另外,對常用的圖像分類方法進行綜述,包括K近鄰法、K-means聚類、決策樹、Boosting算法和支持向量機,分別介紹它們的分類思想。
　　選取四種常用紋理特征提取方法進行深入研究和實現(xiàn),分別是灰度共生矩陣、Tamura紋理分析法、Gabor濾波器和局部二值模式(LBP)。對它們各自的算法思想進行了詳細介紹,并通過實例

3、給出它們的具體實現(xiàn)過程。
　　研究了基于K-means聚類的紋理分類,紋理特征提取方法采用的是Gabor變換法,實現(xiàn)了紋理圖像的多分類問題。另外,還研究了模糊K-means聚類與灰度共生矩陣結(jié)合的圖像分類,并比較了兩種方法各自的優(yōu)缺點。
　　針對圖像分類的一個擴展應用——人臉識別,重點研究了基于支持向量機的多分類問題,紋理特征由Gabor濾波器生成,并使用主成分分析(PCA)對特征數(shù)據(jù)進行降維。實驗選取ORL和YALE人臉數(shù)