近年来,在航运中泄漏到海洋与内河河流中的数万吨石油对周边环境造成了极其严重的污染。在海上溢油监测技术领域,国内外已取得了瞩目的成绩。然而,内河流域因其水文环境复杂,现有溢油监测技术仍无法应对突发的溢油事故。本论文以溢油纹理特征为出发点,根据"强光照下,油膜和水面呈现不同视觉效果"这一特性,通过纹理特征提取方法,分别对油膜和水面纹理进行特征提取,得到特征量。以纹理特征量为数据源,利用支持向量机分类原理,预测油膜和水面纹理图像分类准确率。对比不同提取方法下得到的预测准确率。预测准确率越高,说明纹理特征量包含的油膜和水面纹理特征越精确,越有助于后期溢油图像的监测识别工作。基于油膜和水面纹理特征,本论文对特征提取中经典的灰度共生矩阵方法进行了详细说明。Haralick从该矩阵中提取了 14个特征量,本文从中选择了能够表征油膜和水面纹理特征的特征量:角二阶矩、对比度、相关性、熵以及逆差矩,然后在灰度共生矩阵的基础上,衍生出一维灰度共生矩阵方法。根据油膜纹理的彩色特性,将灰度共生矩阵和颜色信息相结合,获得颜色共生矩阵,并由此衍生出一维颜色共生矩阵、各分量颜色共生矩阵等方法。根据HSI空间下溢油纹理特征,本文提出一种基于色调和饱和度分量的提取方法——色调饱和度共生矩阵法。利用上述方法提取油膜和水面纹理特征量,最终获得预测准确率。对比准确率,分析各方法优劣性。实验结果表明,针对强光照下的溢油纹理特征,从颜色共生矩阵和色调饱和度共生矩阵方法中提取的纹理特征量具有更高的分类准确度。颜色信息、像素空间关系信息以及色调饱和度分量信息在表征油膜和水面纹理特征方面具有重要的研究参考价值,可用于后续强光照下内河溢油的监测、识别工作。