近年来,随着人类视觉系统研究的深入,多尺度几何分析逐渐成为人们正确认识事物和现象的重要方法之一。由粗到细或由细到粗地在不同尺度(分辨率)上对事物进行分析称为多尺度分析。多尺度分析在众多领域都取得了许多重要的理论和应用成果,在图像处理领域中的应用也十分广泛。研究者们结合多尺度分析的方法,对图像纹理分析提出了大量创新和改进,很大程度上提高了图像纹理分析的精度。小波分析、Contourlet、Brushlet等就是应用较为广泛的多尺度分析方法。大量实验证明多尺度几何分析的方法能得到较好的分类效果,因此在图像分析和分类研究中得到了广泛的应用。本论文对图像的多尺度分析方法进行了探讨,提出了不同的基于多尺度几何分析的图像特征提取方法,并将这些方法应用于图像分类实验中。1.提出了一种新的特征提取方法——频域方向特征,该特征是通过将二维傅里叶平面按照频率和方向划分为不同的子带得到的。为了验证特征提取方法的优势,文中将频域方向特征用于标准纹理库和SAR图像分类实验中。实验所应用的相关性分类器的构成是基于如下事实：图像是由特定频带和方向的纹理信息组合而成,这反映为不同类别的图像在不同的特征通道上具有明显不同的相关性,即特征间的相关性是区分不同类别纹理的一个显著特征。图像分类实验结果充分说明频域方向特征不仅具有多频带、多方向的特性,同时还具有计算复杂度较低等优点。2.综合考虑应用广泛的空域灰度共生矩阵和多分辨变换特征对纹理描述的局限性,将小波变换与空域灰度共生矩阵相结合,提出了基于非下采样小波变换的多分辨共生特征提取方法。多分辨共生矩阵可以有机的整合传统多分辨变换与空域灰度共生矩阵的优点,例如多分辨、频谱能量信息、纹理结构等。在此基础上,本文对多分辨共生矩阵的统计特征进行了详细的分析,并结合各特征的物理意义提出了新的特征选择方法。对标准纹理库的分类实验结果表明,多分辨共生特征对纹理具有更好的描述能力,所提出的特征选择方法在降低特征维数的同时,能够保持甚至提高分类正确率。3.为更好的挖掘多分辨共生矩阵的方向性,将多分辨共生矩阵的思想与多尺度几何分析相结合,并进一步考虑Contourlet特征的多尺度、多方向性,在基于小波域多分辨共生特征的基础上,提出基于非下采样Contourlet变换的多分辨共生特征提取方法。针对该特征提出的特征选择算法,在尽可能保持特征方向性、多尺度特性的同时,减少特征维数,达到降低计算复杂度的目的。实验证明,该共生特征不仅具有基于小波变换的多分辨共生特征的优点,而且能更好的发挥图像的多方向特性,具有更好的纹理描述能力,表现出更优的分类性能。本论文工作得到了国家自然科学基金(No.60505010、No.60702062)、国家863项目(2007AA12Z223),教育部长江学者和创新团队支持计划(IRT0645)的资助。