纹理分析,作为计算机视觉和图像处理中的一个基本问题,在过去的几十年中已经获得了长足的发展。不变性纹理分析则是其中的一个前沿性课题,是纹理分析中的重点。纹理不变性分析在许多实用领域有着广泛的应用,如:基于内容的图像检索、遥感图像分析、医学图像分析、生物特征识别以及目标识别等领域,相关的研究虽然在过去的几十年中得到了长足的发展,但是其识别精度、效率仍不能满足实际中的要求,所以仍然需要进一步的研究。本文对纹理做了全面的概述,从不同角度给出纹理的定义,概述了纹理研究的现状,介绍了一些常用的不变纹理分析方法,从基于统计的方法、基于模型的方法、基于结构化的方法和基于频域/空间的方法四个方面进行了详细的介绍。后面给出了旋转不变纹理特征的提取的两种方法,并进行了实验验证。本论文主要工作如下:1、本文提出并实现了一种新的基于Hough变换和Fourier变换的纹理旋转不变性分析描述方法。本方法首先对纹理图像作Hough变换,然后再对其作傅立叶变换并取模,从而得到不变特征。在Hough变换过程中,纹理图像的旋转被转换为角度方向上的平移。在计算Hough变换时选择图像上的一个圆形区域;然后,再对其做Fourier变换,通过对得到的频谱图像取模,因其模具有平移不变性从而消除了平移影响,获得了纹理旋转不变特征描述。理论分析和实验结果表明了该方法的可行性以及良好的鲁棒性。2、本文针对目前流行的小波分析方法,在原有模型的基础上进行了学习,并和我们提出的Hough加Fourier变换的方法进行了比较。算法的思想就是通过极坐标变换,将笛卡尔坐标系下图像的旋转转换为基座标系下图像的平移,然后对图像进行自适应行平移不变小波包分解,再对各分解子带进行特征提取,最终得到图像的旋转不变特征。实验表明这种方法是有效的,而且对噪声具有较好的鲁棒性。总之,不变性纹理分析是纹理分析中的一个具有挑战性的课题,而旋转不变性分析则是其中的一个难点问题,本文提出了一种新的基于Hough和Fourier变换的纹理旋转不变性识别方法,该方法具有良好的识别效果和鲁棒性,希望本文的工作能对以后的旋转不变性纹理分析的研究起到一定的推动作用。