随着科技的快速发展，图像越来越成为人类生活和工作中用于传递信息和进行交流的重要数据载体，图像的有效表示是进一步处理图像的重要基础。用各种观察系统取得的图像很多都是纹理型的，可以通过图像的纹理分析提取许多有价值的宏观信息。由于纹理的复杂性，关于图像纹理的精确定义至今尚未给出，这也就给纹理分析带来了相当大的难度。一般地说，纹理就是指在图像中反复出现的局部模式和它们的排列规则，纹理特征是对区域内部灰度级变化的特征进行量化。纹理的视觉特征一般有三个基本量：周期性、方向性和随机性，其中周期性和方向性是两个高层次的纹理特征，可以用来指导纹理图像的知觉感知。本文主要围绕纹理特征的表示理论进行研究，主要以纺织图像处理为应用背景，包含以下几方面工作： 1.周期性是纹理的一个重要特征，本文概述了周期性特征提取方法，并分析了傅立叶变换提取周期性特征的原理。文中给出纹理周期性特征度量方法。针对纺织工业中具有典型周期性的机织布图像，本文提出了一个具有仿射不变性及不受噪声影响的刻画机织布周期性特征的参数，然后又将该参数应用到机织物的结构识别中，实现了对机织布的自动结构识别，从而达到了识别平纹布、缓斜纹布以及急斜纹布的目的，在区别的同时能够计算出精确的浮长，达到了令人满意的效果。该方法克服了传统织物组织结构识别需要破坏布样的缺点，也改善了以往基于数字图像处理的结构识别方法的效率，提高了运算速度。同时，针对织物图像录入过程中难免存在图像倾斜，这种倾斜会给织物组织的分析与识别带来困难，也作为织物组织结构识别的预处理步骤之一，本文提出了一种基于傅立叶变换的适用于织物图像的快速摆正算法，该方法也可以推广于文本图像倾斜校正。结合牛仔布图像的颜色以及支数等的计算，应用本文所取得的成果开发了牛仔布管理与分析系统，该软件即将用于香港某纺织工厂的生产管理中。 2.方向性特征也是纹理图像的重要视觉特征，本文在研究图像的方向性特征表示方法的基础上，给出了具有鲁棒性的图像纹理方向性强弱度量方法。同时利用Gabor滤波器非常适用于模拟人眼视觉通道特性以及很好的时频局部性，分析了Gabor滤波器方向性特征增强机理。分别给出了在时域和频域上提取方向性特征的方法，一是在时域上设计了一种目标函数来选择最优的Gabor滤波器，二是在频域中根据目标特征的特点计算参数，给出了参数估计准则，从而设计最优Gabor滤波器。然后将新方法应用到织物图像的方向性特征一竹节纱的提取上，本文的方法不同于以往将竹节看作织物图像疵点的提取方法，而是将竹节看作一类纹理特征，设计更具有针对性的Gabor滤波器。将上面提出的两种方法与前人已有的方法进行了比较实验，验证了新方法的可行性和有效性。同时又将本文的方法应用于指纹图像局部纹线增强，获得了较为满意的效果。 3.研究了周期性纹理图像上的突变特征表示方法，其中小波变换是最主要的方法之一。基于小波变换的突变特征提取就是借助变换对图像的突变特征区域进行增强；再采用阈值化操作分割突变特征区域。而最为重要也最影响提取效果的就是小波基的选取或设计。针对已有的小波基不能自适应的反映待处理图像特征的缺陷，本文结合小波方法和优化方法，提出了提取突变特征的自适应小波构造模型，并给出求解方法和实验结果，求解这个模型就可得到很好的刻画图像周期性背景纹理的小波滤波器系数，从而达到增强突变特征的目的，改善了传统小波基非自适应的缺点。从实验的角度验证了算法的可行性和有效性，并将该模型应用于织物图像的疵点检测。