目前科学技术发展的一个重要方向就是机器视觉。纹理图像分析作为机器视觉系统的重要基础技术，在图像目标识别、跟踪和图像内容理解方面起到越来越重要的作用。机器视觉中纹理图像分析的任务是用计算机技术模拟人类的视觉功能，对纹理图像建模、处理和理解。《纹理图像分析》深入、系统地阐述图像纹理的描述方法、纹理建模的基本理论和技术、纹理特征的提取和纹理分析技术的应用。全书分为三个部分：基础理论、纹理分析应用技术和纹理分析的应用。基础部分介绍了常用的纹理描述模型；纹理分析应用技术包括特征提取、纹理分割、纹理分类、纹理合成；纹理分析应用部分主要介绍纹理分析在医学影像疾病诊断、图像检索、目标识别和工业在线检测中的应用。
　　《纹理图像分析》所涉及的内容及讨论的深度适合电子科学与工程、控制理论与控制工程、计算机科学与技术、仪器科学与技术以及相关专业的研究生、高年级本科生，可作为教材或教学参考书，也可供从事与图像纹理分析相关的科研和工程技术人员参考。

　　第1章  概述
　　1.1　纹理图像分析概述
　　纹理是自然界物体表面的自然属性。近20年来，随着计算机技术的迅速发展以及机器视觉系统在生产过程、农产品质量监测、国防安全、交通管理等领域的应用，纹理图像分析技术正在成为机器视觉领域研究的热点课题之一。
　　机器视觉系统中纹理分析研究的目的在于理解、建模和处理图像中的纹理模式，最终用计算机技术模拟人类视觉对纹理的学习和认知过程。一个典型的机器视觉系统可以分解成若干部分：图像采集、图像处理、特征提取和分类。纹理分析是机器视觉系统中许多处理阶段的核心要素，纹理分析试图建立通用、有效、简洁的纹理量化描述。在图像处理阶段，必须基于每个区域的纹理特征将图像分割成若干有意义的连续区域；在特征提取和分类阶段，纹理特征提供用来辨别目标的有用信息。本章将介绍纹理的视觉表现、纹理在图像分析领域的描述方法，以及纹理分析的研究进展和应用领域。
　　1.纹理的定义与纹理特征
　　纹理是人们视觉系统对自然界物体表面现象的一种感知，它作为物体表面的一种基本属性广泛存在于自然界中，是人们描述和区分不同物体的重要特征之一。虽然人们对纹理的研究已有近40年的历史，但至今难以对纹理给出统一、准确的定义。

前言
第1章 概述
1.1 纹理图像分析概述
1.2 纹理分析技术发展历史与现状
1.3 纹理分析的应用领域
1.4 前景与展望
参考文献

第2章 基于区域的纹理描述
2.1 结构法纹理描述
2.1.1 基于结构的纹理表示
2.1.2 纹理基元模型
2.2 统计法纹理描述
2.2.1 基于一阶统计的纹理描述
2.2.2 基于边缘纹理直方图描述
2.2.3 灰度共生矩阵
2.2.4 自相关函数
2.2.5 Laws纹理能量描述
2.3 基于模型的纹理表示
2.3.1 基本术语与概念
2.3.2 GibbsMRF随机场纹理模型
2.3.3 二维自回归函数
2.3.4 纹理的非参数模型
参考文献

第3章 基于信号处理方法的纹理描述
3.1 纹理的周期性
3.2 空域／频域滤波器
3.3 频谱分析法
3.4 Gabor滤波器
3.5 基于小波分解的多尺度特征
参考文献

第4章 纹理特征提取和选择
4.1 概述
4.2 纹理特征度量
4.2.1 距离度量
4.2.2 概率距离度量
4.2.3 熵函数度量
4.3 纹理特征选择
4.3.1 基于主成分分析的纹理特征选择
4.3.2 基于独立成分分析的纹理特征选择
4.4 纹理特征评价
4.4.1 纹理特征评价函数
4.4.2 纹理特征选择策略
4.4.3 纹理特征选择应用
4.5 纹理特征不变性分析
4.5.1 纹理特征与坐标系统
4.5.2 平移不变性与矩不变特征
4.5.3 纹理特征的尺度和旋转不变性
参考文献

第5章 纹理分割技术
5.1 纹理分割概述
5.1.1 常用纹理分割技术概述
5.1.2 纹理分割的主要过程
5.1.3 纹理分割的应用
5.2 区域生长法
5.2.1 种子像素的选取
5.2.2 区域生长准则
5.3 分裂与合并
5.4 聚类法
5.4.1 基本原理
5.4.2 应用实例
5.5 神经网络方法
5.5.1 常用神经网络结构和原理
5.5.2 无监督神经网络在纹理分割中应用
5.5.3 监督式神经网络在纹理分割中应用
参考文献

第6章 纹理分类
第7章 纹理合成
第8章 纹理分析在医学影像诊断中的应用
第9章 基于纹理特征的图像分割
第10章 基于纹理的图像检索
第11章 基于纹理的目标识别