图像分类与检索是图像处理技术应用的一个重要分支，基于纹理特征的图像分类方法是图像分类的主要方法之一。早期的图像分类多是基于文本标注的方法，即用文本对图像进行描述，然后按照关键字对图像进行分类。一方面用文本描述图像存在着主观性，导致分类合理度不高。另一方面，基于文本的描述难以满足现代大规模的图像分类与检索需求。因此，先进高效的的图像分类方法成为了图像处理领域研究的热点。84798

由于纹理特征在一定的程度上与人的生理视觉相符，因此基于纹理特征的图像分类方法具有很好的视觉效果，纹理特征提取也成为了图像处理领域研究的重点。在这方面也取得了不少的成果，典型的分类算法包括K-means 聚类算法、神经网络、支持向量机等监督学习算法和非监督学习算法的ISODATA 算法[3]。其中，神经网络算法[4]起初得到广泛的关注，但因缺乏技术支持而冷却，直到近些年得益于计算机的发展，开始在深度学习领域得到广泛的应用。在神经网络算法成为主流之前，Boosting 算法和SVM 算法一直占据着分类算法的重要地位，如adaboost算法就常被用于人脸识别。如今以神经网络为基础的深度学习则在图像分类等问题中开始展现出诱人的应用前景。随着技术的发展，未来的图像分类不仅能满足人类的视觉效果需求，也将更加符合图像本质信息。