随着互联网的飞速发展,图像媒体数据正在呈指数式增长,从海量数据中找到需要的图像是人们非常关注的问题。特征提取与描述的优劣直接影响任务的最终性能,如何在具有较大噪声干扰、复杂背景和较大的目标姿态变化的图像中提取优质的图像特征,对研究者们快速、高效和准确识别并检索出目标图像提出了挑战。由于局部特征提取与描述常常作为寻找目标图像的重要步骤,所以对局部模式描述算子的深入研究具有重要的理论研究与实际应用价值。本文重点研究图像底层特征的提取方法,尤其是纹理特征,并将提出的局部模式特征描述算子应用于纹理图像、自然场景图像的识别及检索任务中。本文主要完成了以下研究工作:(1)以原始局部二值模式纹理特征提取描述算子为基础,研究了已有的各种改进算子,包括等价旋转不变局部二值模式、局部模式傅里叶特征、二次局部二值模式以及扩展编码形式的局部三值模式、尺度不变局部三值模式等。采用支持向量机对图像进行识别,采用交叉判别二次分析进行图像检索。实验结果表明以上算子对有旋转变化的图像的鲁棒性有待进一步提高。(2)提出了一种抗旋转尺度不变局部三值模式描述算子。首先,将样本灰度化,采用尺度不变局部三值模式描述算子提取样本纹理特征;然后,根据旋转不变局部二值模式中的旋转不变映射机制,构建基于尺度不变局部三值模式的映射池;最后,根据抗旋转映射规则及直方图计算,得到抗旋转尺度不变局部三值模式特征值。实验结果表明本文提出的抗旋转尺度不变局部三值模式描述算子能够有效地适应图像的旋转变化。(3)融合了抗旋转尺度不变局部三值模式和颜色特征,实现了自然场景图像和纹理图像的识别和检索。首先,采用抗旋转尺度不变局部三值模式提取目标图像的纹理特征,提取基于HSV颜色空间的颜色特征;然后对这两种特征实现特征串行融合;最后,通过支持向量机分类器识别图像,通过交叉二次判别分析检索图像。实验结果表明融合特征的图像识别和检索效果较单一局部特征有一定的提升。