纹理是物体表面的一种基本属性并且被广泛应用于图像分析中。纹理分析是对物体图像的纹理特征进行分析,提取重要的表面灰度信息的技术。纹理特征提取就是利用计算机算法对纹理的特点进行量化分析,这样有利于定量分析纹理的性质。近年来有很多纹理特征提取的方法被提出,同样本文在受原有局部纹理描述子的启发提出了新的局部纹理算法,并且结合Tamura的人类视觉特征对自然和生物图像进行纹理特征提取,实现了对不同种类自然图像的正确分类和生物图像随时间变化特点的研究。为了更好地提取图像的特征,本文在局部三值模式的基础上提出了局部方向三值模式,并且结合粗糙度、对比度、方向度、规则度、线性度和粗略度等特征对图像进行描述。基于所提取的特征,使用迭代决策树将不同种类的自然图像和不同年龄的人体瘢痕图像进行分类。结果表明本文方法相对于其他的纹理分析方法具有更高的正确率和分类能力,能够准确描述图像。在研究自然图像纹理特征的过程中主要选取Brodatz图像库,使用迭代决策树建立回归模型后对图像进行分类。生物图像的研究主要选取人体瘢痕的胶原二次谐波图像,使用迭代决策树建立正常人体瘢痕的回归模型来预测瘢痕的年龄。通过对模型的分析以及实验结果表明,新提出的局部描述子与人类视觉特征相结合能够准确描述图像的纹理特征,具有很好的纹理描述能力。