纹理是自然图像中的重要信息,纹理反映了物体表面的固有属性。在纹理分析领域中,实现纹理的有效描述是关键技术之一。纹理种类众多,形式多样,这为描述纹理带来了一定困难。稀疏表示是当今信号处理领域中的一个热点研究方向,信号经过稀疏表示后可得到一种简单有效的表示。本文在稀疏表示理论基础之上,将稀疏表示引入到纹理描述中,研究纹理图像的稀疏表示模型,对在时域较复杂的纹理进行稀疏分解以得到其尽量简单、有效的描述,并成功将此模型应用到纹理分类中。论文的主要研究内容及创新点归纳如下：1.在稀疏表示的研究基础之上,研究纹理图像的稀疏表示模型。图像的纹理较复杂,高频成分较多,在简单的基底下难以达到纹理图像稀疏描述的目的。为此,文中对字典学习方法进行了研究,并通过字典学习方法为纹理图像训练得到自适应字典,从而得到纹理的最佳稀疏表示。此外,稀疏表示在全局纹理描述时将遇到庞大的计算量,为此,本文研究基于图像块的纹理描述方法,并实现将局部纹理描述有效转化成全局纹理描述。2.研究一种基于稀疏表示的纹理基元字典训练方法,通过稀疏分解可建立图像块与字典原子间一对多的映射关系,并利用此映射关系实现了纹理分类。为减少计算时间,在稀疏分解之前,利用图像块与字典原子间的相关性,对冗余字典进行裁剪,提高了方法效率。3.为突出纹理在稀疏域的类别信息,增强字典的描述能力,研究一种判别性字典学习方法,并将其应用于实现纹理分类。基于判别性字典的纹理分类方法中,将特征变换矩阵融入到字典学习目标函数中,在字典训练的同时训练特征变换矩阵。通过将稀疏系数变换到特征空间中以实现分类。