纹理分析是模式识别和计算机视觉领域中的重要研究内容,在科学研究和工程技术方面都有着非常广泛的应用前景。从上个世纪70年代起,国内外研究人员就开始了纹理的相关研究,直到现在仍然非常活跃。在模式识别和计算机视觉领域的重要期刊和会议上,每年都有大量的相关学术论文；许多国内外著名研究机构也在从事这方面的研究工作。然而,由于人类认知机制的复杂性以及实际图像纹理的丰富性,尽管国内外研究人员在纹理分析领域开展了大量的研究工作,并取得了许多研究成果,但目前已有的种种算法依然存在着许多不足。本文针对纹理分析及其应用中的重点和难点问题展开研究,对目前广泛采用的一些纹理描述方法进行了认真的研究和总结,对其理论方法和实验结果进行了深入的比较和分析,并探索了纹理分析在自然场景图像分割和路面裂缝检测中的应用。本文的主要研究内容如下：1、针对室外场景图像中的大面积阴影问题,提出了一种基于过渡区提取与Retinex模型的阴影消除算法。算法首先通过分析阴影的关键属性,采用高斯分解得到阴影候选区域的灰度分布,采用多判据方法确定阴影区域,实现了大面积阴影的有效检测。然后分析了过渡区域的性质以及现有的过渡区域提取算法,提出了一种改进的局部复杂度算法,并基于此算法提取阴影边界附近的过渡区域,由此将图像分割为阴影区域、过渡区域和正常光照区域。最后采用分区域的Retinex算法分别对阴影区域和正常光照区域提取光照,并消除光照影响,并对过渡区域进行插值,得到消除阴影后的图像。该算法对大面积阴影的检测与消除具有很好的效果,同时避免了Retinex算法在灰度变化剧烈区域产生的“光晕”现象,实验证实了算法的有效性。2、针对纹理特征提取中的尺度选择问题,分析了纹理特征的尺度变化特性以及对分类准确率的影响,阐明了导致多类纹理分类时的尺度不确定性的原因,提出了一种基于尺度无关特征的无监督纹理分类算法。算法通过提取不同尺度下的多种纹理特征,进而得到其在不同尺度下的变化趋势,并以此为特征表述图像的纹理信息。通过在纹理标准库上的实验证实,该算法有效地避免了最佳尺度的选择问题,对不同类型的多类纹理分类均取得了很好的效果,实验效果优于多种对比算法。3、针对聚类中的相似度测度选择问题,对多种距离测度进行了比较和分析,提出了一种新的测度度量方法,并将其应用于自然场景的图像分割中。在实验分析中,为了定量的评价分割效果,引入了一种量化的分割评价方案,实验数据显示,本章所提距离测度具有很好的稳定性,在不同的自然场景情况下均取得了很好的分类结果。为了适应应用系统的实时性要求,本章提出了一种基于HSV色彩空间的快速分割算法,该算法在保持较高准确率的基础上,实现了自然场景的快速分割。4、针对路面裂缝检测中的复杂纹理背景和光照不均问题,提出了一种针对路面图像的方向性纹理分析方法,并基于此方法,提出了一种基于纹理分析和支持向量机(Support Vector Machine, SVM)的裂缝自动检测算法。该算法采用了基于共生矩阵的方向性分析方法和具有旋转、平移不变性的形态描述符,用以减轻或消除强纹理背景和光照不均的影响,并提取具有鉴别意义的特征,通过训练基于核函数的SVM,实现准确检测不同路面背景下的裂缝信息。实验证实,该方法具有很好的适应性,在不同路面背景下均能准确检出裂缝。针对路面裂缝检测中的实时性问题,提出了一种基于局部二值模式(Local Binary Patterns, LBP)的预检测算法。该算法利用了LBP的快速及对光照不敏感的特性,同时考虑背景中的纹理及噪声的影响,采用两级边缘响应(强边缘和弱边缘)的思路,对LBP算子的模式分类结果重新分类。实验证实,该方法检测准确率高,适应不同纹理背景,而且速度快,可以满足工程检测的实时需要。