纹理是物体表面的一个重要视觉属性,图像纹理特征在基于内容的图像检索、遥感图像分析、医学成像诊断、材料表面质量检测等领域中具有重要的作用。纹理特征提取是图像处理和计算机视觉领域中一个非常重要并且经典的问题。　　目前,纹理图像研究面临着几大新的挑战:(1)纹理数据库随着成像硬件技术和网络技术的发展呈现指数级的增长;(2)相同的物体表面在不同的光照条件和拍摄角度下,可能会呈现差异度很大的纹理图像;(3)目前的相机绝大部分都是彩色相机,硬件设备的发展和计算机计算能力的提高使得彩色纹理图像的应用问题越来越多;(4)纹理特征应用于医学超声图像的辅助诊断具有非常重大的意义,针对于骨骼肌损伤超声图像的纹理定量分析问题,目前国内外都还未有有效的处理方法。　　本文就针对上述几大新挑战进行了科学系统的研究分析,提出了一种新的纹理描述方法-多尺度斑块特征(MultiscaleBlobFeatures,MBF)。MBF方法采用了多尺度分析的手段,对纹理图像同时进行空间尺度和灰度级的分解,充分分析了图像中所包含的复杂的纹理结构。同时,斑块(blob)和四个统计算子(斑块密集度,斑块平均形状不规则度,斑块分布均匀性以及斑块分布周期性)的提出应用又有效的描述这些结构的差异。针对彩色纹理图像,将MBF方法进行拓展,以色谱信息为第三维进行多尺度分解提出彩色多尺度斑块特征法(CMBF)。为了测试MBF、方法的性能,本文将MBF方法和目前公认的几种性能最好的方法在联合大规模集(VisTex+Brodatz+CUReT+OuTex)上进行比较,实验结果证明MBF方法对大规模纹理的分类和检索都具有卓越的性能。实验比较中发现现有的几个纹理标准数据集在进行大规模纹理识别实验比较时都存在一些问题,因此本文还构建了一个新的纹理数据集-FDTeX纹理测试集,该数据集具有纹理种类多,种类范围覆盖面广,纹理图像均匀同质等一些优点,因此,该纹理集非常适合用于大规模纹理的分类和检索的实验评估。此外,本文还讨论了针对基于内容的图像检索问题所提取的纹理特征应具有的不变性性质,通过理论和在整个Brodatz纹理集和UIUC纹理集上的实验证明了MBF方法在对大规模纹理的分类和检索都具有良好的性能的同时还具有灰度尺度不变性,旋转不变性和空间尺度等比例缩放不敏感性,是一种理想的纹理分类和检索的方法。为了验证多尺度斑块特征方法的合理性,本文还进行了一些与纹理相关的视觉心理学问题研究,而实验也表明本文所提的方法与人眼视觉系统在不变性方面的性质是一致的,且在实验设定的条件下,多尺度斑块特征方法已经达到了人眼视觉系统的识别能力。本文最后还将MBF方法应用到医学图像中去,结合超声图像成像原理对骨骼肌损伤超声图像进行了纹理定量分析,实验结果表明MBF方法的多尺度分解思想非常符合超声图像的成像特点,所提出的八组统计特征能够有效的帮助医生对骨骼肌损伤区域及损伤程度进行辅助诊断。