随着纹理分析应用的日益广泛,纹理分类也成了一个研究热点,而目前的纹理分类算法都存在着分类率低、计算复杂等问题,这就要求我们对算法进行改进。可以从两个方面着手研究：特征提取和分类算法。本文研究的是旋转不变纹理分类,主要研究了两种算法—基于LBP和基于滤波器组的,实现了一种基于LBP的新算法,大大提高了分类率。最后对这两种算法进行分析总结。(1)本文基于LBP和方差联合分布在纹理分类中存在的问题,引入了一个新算子—LBP方差(LBPV),它可以看做是联合分布的一种简化算子,却能有效解决联合分布由于量化引起的计算量大和对训练集依赖度高的问题。(2)使用旋转不变LBP进行分类容易造成误分,因为它仅仅用图像的局域灰度模式来表述纹理,本文采用的是全局匹配穷尽搜索方案,结合了LBP旋转不变模式和可变模式,可以看做是一种混合方法,在利用LBP旋转不变性的同时,考虑到图像灰度模式的全局分布,大大提高了分类率。(3)全局匹配方案用的是穷尽搜索方法,需要沿各个候选方向进行匹配,计算量大,本文采用的解决方法是先估测出主方向,然后只沿着主方向进行匹配。估测方法是根据各方向上的模式频率进行估测,实验结果表明采用这种方法估计出的主方向进行匹配,其分类率与沿所有方向进行匹配时没有明显下降。(4)基于LBP的算法提取出的特征向量维数较高,造成计算量大,本文基于旋转不变LBP的思想进行特征降维,将一些可变模式累积到不变模式上,在不明显降低分类率的前提下大大降低了计算复杂度。(5)本文还选择了一种在分类步骤及方法上与基于LBP的算法有许多相似之处的算法—基于滤波器组(MR8滤波组)的算法与之进行对比分析。