随着互联网和信息技术的发展，网络上信息资源越来越丰富，信息的格式也多种多样，包括了文本、声音、图像、视频等媒介。信息的安全传输和展示成为一个需要解决的问题，信息的识别是信息安全的基础，对于文本声音等信息量较少的信息媒介，现阶段的文本分类检索系统已经成熟商用，而对于信息量巨大的图像和视频等媒介，仍需要有更多的研究。纹理图像识别是图像识别的一个基础，为不同类型图像的识别提供新方法和样例。　　 纹理识别是计算机视觉和模式识别领域中的重要研究内容，在科学研究领域和工程技术方面有着非常广泛的应用背景，尽管已有众多学者在纹理识别方面做了大量的研究工作，并取得了许多研究成果，但纹理识别的研究仍然有许多问题等待研究人员去控索。纹理识别的研究面临着三个重要的挑战：　　 1）尽管纹理识别的方法种类繁多，但至今还没有一个特别有效的方法，在纹理识别方面取得令人满意的性能，众多的学者仍在探索新的思路和途径，试图找到一种非常有效的纹理描述方法。　　 2）提出的纹理特征很多，但是在环境变化时具有鲁棒性的特征却不多，对纹理识别不变性特征的研究是一个新的有效方向。　　 3）纹理识别中对于特征与分类器的结合仍是一个研究方向，虽然有纹理特征在NN、SVM、贝叶斯分类器等的运用，但是对于分类器与特征之间的结合还处于探索阶段，仅仅是应用其分类功率来达到实验的分类效果。　　 本文的研究工作主要分析纹理识别的挑战，试图从新的思路和新的途径出发提出一种有效的纹理描述方法。本文提出结合局部和全局统计的纹理描述方法，通过将纹理图像分成三个相互关联的层次，底层为方向模板特征，将每个像素点用其周围区域的方向模板来表示，该方向模板解决了局部区域特征的旋转、透视、镜面等变换的不变性，其特征向量具有区分性，模板是梯度方向分布。中层为方向模板多尺度分类，将不同尺度的模板分成不同的尺度层，每一尺度层根据不同方向模板的中八个方向的分布情况，将模板分成二十九种不同具有旋转不变的类别，上层为分形维数的计算并形成多重分形谱，根据局部模板的特征，利用分形分析的方法，将局部特征用全局的分布来描述，多重分形谱数学上证明了具有双李卜希兹不变性，在全局上解决的纹理变化在尺度、视角、光照强度、几何变化的不变性。该框架结合局部特征和全局特征，使得特征对纹理的描述更有稳定性，又因为MFS本身特征计算量较小，该框架的计算复杂度有了不少的降低。最后通过运用NN和SVM分类器，对纹理识别特征进行分类的实验，特征在与SVM分类器结合的实验中获得效果的提高。