遥感图像有着丰富的纹理信息,遥感影像的纹理分析已经成为一种重要的提高遥感影像分类精度的手段,准确地提取纹理特征是影像分类成功的关键。首先介绍了纹理分析的各种方法,根据前人的研究结果,结合遥感影像的纹理特点,即局部的随机性和总体的统计性,采取灰度共生矩阵法来描述影像的纹理特征。另一方面,针对遥感影像纹理特征参数的相关性和非线性的特点,根据人工神经网络对关系复杂的非线性信息具有类似人脑的处理能力这种特殊的优点,采用BP神经网络作为分类器。灰度共生矩阵的困难在于不同的参数选择产生不同的矩阵,针对灰度共生矩阵计算时候参数的选择进行讨论,并确定了纹理分析的特征像素间距。另外,就纹理的多尺度性进行了讨论。遥感影像的另一个特点是多波段性,目前,遥感影像的纹理分析基本上是针对单波段进行的。本文就多波段的纹理特征的提取问题进行了讨论。在多波段纹理的特征值的降维问题上,提出了基于独立分量分析的纹理的维数减少办法,让最终获得的特征向量不但去相关特性,还能获得分量之间相互独立的特性,在此基础上与传统的均值法和主成分分析法进行了比较。最后,将灰度共生矩阵法结合小波分解的方法提取影像的纹理特征,进行纹理分类并进行评价。