在图像分析领域内,纹理分类是重要的研究课题之一,局部方向模式算子(Local Directional Pattern,LDP)是具有代表性的是一种纹理描述算子。近年来,很多学者提出了多种针对LDP的扩展算法,本文也以LDP及其扩展算法为研究对象,在分析传统方法的基础上,提出了不同的改进方案。主要研究内容如下:(1)提出了一种增强的局部方向模式方法。首先,针对传统方法的刚性模式划分策略,基于模糊逻辑理论,通过引入模糊隶属度函数,来提高模式划分的准确性。其次,对传统的局部3×3邻域进行了扩展,新的拓扑结构不但可实现多分辨率分析,而且进一步降低了噪声的影响。在此基础上,以图像局部方向模式均值作为模糊阈值,提出均值模糊局部方向模式算法。通过对两种算法分析比较,实验结果表明新算法有效提高了纹理分类的效果。(2)针对LDN(Local Directional Number)算子直接对图像计算,噪声敏感度高的问题,通过对图像进行归一化处理,并采用邻域平均法来消除噪声影响;其次,针对LDN计算时缺乏原始图像邻域强度信息,提出一种改进的LDN算法,将卷积后的方向信息结合图像的强度信息来提取特征,从而更有效地保留图像细节信息。实验结果表明新算法有效提高了纹理分类的效果。(3)以局部微分模式LD_eP(Local Derivative Pattern)与局部方向梯度模式LDGP(Local Directional Gradient Pattern)为基础,通过对邻域像素高阶导数的信息分析,提出多方向梯度模式MDP(Multi-directional Gradient Pattern),将邻域像素的不同方向导数信息和方向特征融合,并基于融合特征实现纹理分类。实验结果表明新算法有效提高了纹理分类的效果。