随着信息技术的发展,纹理分析是近年来图像分析领域的研究热点,纹理分析主要应用于纹理分类,纹理分割,纹理合成等方面,应用十分广泛。从本质上讲,纹理聚类的任务是根据图像中各像素所处的不同区域,将它们归至未知的不同类别。纹理的归属不仅仅和给定像素的灰度值有关,还和其周围的灰度分布状况密切相关。纹理聚类可以看作由两个子问题组成,即特征提取和分类处理。其中,常用的特征提取的方法有基于统计的方法、频域分析、差分直方图方法等。本文主要对纹理的特征提取和聚类算法做了研究,所做的工作主要有三部份:纹理特征提取,特征选择,聚类算法的改进。本文首先介绍了图像纹理特征提取中的一些常用方法,并且改进了判断纹理方向和粗糙度的方法,对Brodatz纹理库中的图像用灰度共生矩阵的方法提取了15个纹理特征。然后对这些特征进行K-L变换,在新的变换域中选取其主要特征以备聚类时用。最后对Brodatz纹理库中的样本作了聚类分析,本文主要改进了两种聚类算法:一种是对K-means算法的改进,K-means聚类算法受初始聚类状态的影响较大,在迭代时容易陷入局部极值,本文改进了选取初始聚类中心的方法,并对两类和多类问题分别加以讨论,实验证明改进算法可以较好地解决K-means算法初始状态的选取问题,提高了聚类准确性。另一种是对模拟退火算法的改进。模拟退火算法的冷却进度表选取尤为关键,直接影响到算法的收敛时间和收敛结果。本文对模拟退火算法所做的工作主要有:1.将模拟退火算法运用于数据聚类,把对纹理图像的聚类问题转化为最优化问题;2.改进了冷却进度表参数选取,采用变长的马尔可夫链,在高温下马尔可夫链长度较长,搜索的范围较大;温度较低时马尔可夫链长度较短,相应的搜索范围较小。3.给模拟退火算法增加了记忆功能。从数据和实验结果上分析,改进后算法收敛结果有所提高,比传统的模拟退火算法收敛时间更短,提高了传统算法的聚类能力。