全文总字数：3232字

1. 研究目的与意义及国内外研究现状

纹理是人类视觉系统对自然界物体表现的一种感知，是人类识别系统中用于区分和判断不同事物的重要参考之一。随着计算机技术的迅猛发展以及机器学习在军事、工业、农业等各方面的应用，机器视觉成为重要的热点研究课题之一。根据人类感知系统结构，通常对图像的分析包括三个方面：颜色特征、形状特征和纹理特征。颜色特征关注的是物体表面对不同光谱的反射情况：形状特征关注物体在空间中的位置、大小、方位等；纹理作为反应物体表面粗糙度、方向性和规则性，是构建机器视觉中非常重要的环节，也是其研究的意义所在。

目前对纹理的分析研究已经有40多年的历史，并且在纹理分割、纹理分类、纹理合成等领域取得了一定的成果。本文重点研究纹理的分类，纹理分类的目的就是对未知纹理按一定的准则决策与已知纹理类别的关系或者是多个纹理按某种相似度进行划分。虽然纹理分类研究已经拥有一些性能较好的算法，但因为纹理种类繁多，其中没有一种算法能够普遍适用于不同纹理种类的分类，还需要做进一步的工作提高纹理分类算法的鲁棒性和适用性。

国内外研究现状

国内外学者对图像纹理进行了大量的研究，在计算机视觉和模式识别的等领域已取得了丰硕的研究成果。国外学者主要进行纹理特征提取及描述的算法研究，也包括算法的应用及改进研究；国内学者的研究则主要集中在各种算法的改进以及某一种方法的具体应用。纹理分析的研究分为纹理特征提取方法研究和纹理分类方法研究。

目前图像提取技术还是利用原始的灰度特征以及其他的相关特征，实现图像像素的全面表现。采用多种特征融合的提取技术，可以获得更好的提取结果。在多种特征融合的基础下，以进一步发展了多种提取方法的结合。之所以需要进行提取方法的结合，主要原因在于图像目标具有多样性，在成像上也存在不确定性。在提取复杂图像的过程中，单一方法无法达到想要的结果，必须实施多种技术的融合，灵活的发挥各种技术各自的优点，使得最后得到的图像达到想要的效果。在考虑图像特征提取的多样性和复杂性的基础上，还要考虑处理的过程中与多种图像分割技术相对应，现有的理论和方法离实际复杂图像的处理还有一定的距离，一些根本的问题还有待进一步深入研究。当下，对于特征提取技术来说，还没有实现统一有效的模式，其理论也在不断发展。不同的提取算法会产生不一样的图像处理速度。在算法的研究过程中，我们还要考虑算法的通用性，准确率以及自动化程度。

2. 研究的基本内容

1）纹理特征提取是纹理分类算法的基础和关键。介绍了几种常用的统计纹理分析方法，主要有灰度共生矩阵、灰度-梯度共生矩阵等。另外由图像的几何拓扑属性出发研究了统计几何特征提取方法；

2）图像的旋转对特征的提取有重大影响，通过对图像做对数-极坐标变换，使得到的纹理特征具有旋转不变性；

3）分类器是表征纹理特征有效性的最直接步骤。本文研究了基于svm分类器的理论，选择合适的参数建立svm多分类器；

3. 实施方案、进度安排及预期效果

实行方案：

1）通过查找资料了解extractfeature-wen、gaborfeature、graydiffstasfeature函数等功能和应用格式以及gabor滤波器特点；

2）利用相关函数编写程序；

4. 参考文献

[1]陈春. 图像检索在电力系统设备管理中的应用研究[d]. 保定：华北电力大学, 2006.

[2]王登位.基于纹理分析的墙地砖表面颜色自动分类开窍[硕士学位论文], 华中科技大学, 2007.

[3]吴高洪,章毓,林行刚.基于分形的自然纹理自相关描述分类.清华大学学报(自然科学版), 2000,40(3):90-93