纹理是自然界物体表面的一种基本属性,是一种重要而又难以定义的视觉特征。纹理分析作为计算机视觉领域的一个基础研究方向,在许多领域发挥着重要作用。而纹理分类作为纹理分析的重要组成部分,是一个历久弥新的研究课题并且吸引着许多国内外学者参与其中。纹理特征作为影响分类准确率的最重要因素,一直是人们研究的重点。基于剪切波优良的多尺度与多方向的信号分析能力,本文引入了一种基于剪切波变换的纹理描述子,并且进行了一系列的纹理分类实验。实验结果表明,剪切波在提取纹理特征方面具备可观的优势。本文首先对纹理的特性以及研究背景进行了介绍,并回顾了纹理特征提取的四大类方法：统计方法、几何方法、模型方法以及信号处理方法。本文接着对小波变换理论的发展历程进行了详细介绍,对传统小波在表征多元数据时的局限性进行了剖析。然后对剪切波,这一新颖的多尺度几何分析工具进行了扼要的介绍,包括其性质与优势。同时,本文还着重介绍了一种在频率域对剪切波变换进行离散化的途径并对剪切波变换的性能进行了综合分析,包括方向敏感性、重构准确性以及稀疏性。为捕捉纹理丰富的的边缘、轮廓、曲线等各向异性信息,本文使用剪切波变换提取纹理特征,并对特征的运算速度进行了分析。随后对剪切波变换系数矩阵计算其颜色矩与灰度共生矩阵,并将颜色矩、灰度共生矩阵特征量与原剪切波变换系数进行特征融合,得到新的纹理描述子。融合后的特征由于含有纹理的统计信息,因而具有更强的区分性。最后,在10个公开的纹理数据集中进行了一系列的分类实验,将本文方法与其他常用的纹理描述子进行了效果对比。结果表明,相较于传统方法,基于剪切波变换的纹理特征具备更优良的表征能力,并且当其融合了纹理的统计信息时,这种优势会更加显著。