纹理是图像在局部区域内表现出来的一个重要特征,纹理特征提取方法的好坏,将直接影响图像分类的效果。本文在传统的纹理提取方法基础上,设计了两种纹理特征提取方法:灰度-最大变化共生矩阵纹理特征提取方法和基于小波的起伏矩阵纹理特征提取方法,并将它们应用于面向对象的图像分类技术中。本文的研究内容主要包括以下几个方面:1.灰度-最大变化共生矩阵纹理特征提取方法是一种基于统计法的纹理分析方法。我们首先构造能反映纹理图像粗糙特性的最大变化矩阵,与灰度矩阵一起构成灰度-最大变化共生矩阵,然后从该矩阵中提取其统计量作为纹理特征值,组成纹理特征向量。选取标准纹理图像库Brodatz中的纹理图像进行分类实验,验证了灰度-最大变化共生矩阵方法比常用的灰度-梯度共生矩阵和灰度-基元共生矩阵方法更有效且表达式简单易于实现。2.基于小波的起伏矩阵纹理特征提取方法是一种结合频谱法和统计法的纹理分析方法。本文利用小波的多尺度分析将图像进行多尺度分解,进而构造能反应纹理图像方向特性和粗糙特性的纹理起伏矩阵,从纹理起伏矩阵中提取统计量作为纹理特征,组成纹理特征向量。相对于基于小波的尺度共生矩阵方法和非抽样小波方法,该方法更充分的表现了纹理图像的方向特性和粗糙特性,能更好的表征图像的纹理特征且算法直观。选取标准纹理图像库Brodatz中的纹理图像进行分类实验,验证了基于小波的起伏矩阵方法要优于基于小波的尺度共生矩阵方法和非抽样小波纹方法。3.将灰度-最大变化共生矩阵方法和基于小波的起伏矩阵方法应用于面向对象的图像分类技术中,设计了“投票机制”类别判断方法以进一步提高分类精度,利用实际的航拍图像进行分类实验,取得了较好的分类结果,避免了利用传统的基于像素分类方法的结果零碎,后处理复杂等缺点。