纹理分类是图像处理和模式识别领域的一个主要问题，同时在工程技术上也有着广泛应用，比如遥感图像分析、医疗图像分析、生物特征识别、工业检测等等。提取具有较强鉴别能力的纹理特征是纹理分类的基础。近年来，随着对局部纹理信息的深入研究，局部纹理算子方法成为了纹理特征提取中的重要方法之一，并且已经提出了许多高效的局部纹理算子，其中，LBP算子凭借其高效、简便的特性成为了纹理分类的基本方法之一。在真实环境下，纹理图像在采集中往往受到光照、旋转和视角条件变化的影响，如何提高LBP算子的特征鉴别能力同时又保证对光照、旋转和视角条件的变化具有鲁棒性是需要进一步研究的课题。在此背景下，本论文针对LBP算子在特征提取过程中存在的局限性提出了相应的改进算法，主要工作包括以下几个方面：
（1）针对LBP中二值量化过于粗糙，对纹理模式特征描述不足以及噪声敏感的问题，提出一种新的基于矢量量化的局部二值模式（Local　Vector　Quantization　Pattern，LVQP），将矢量量化方法引入到量化过程中，将局部区域中邻域像素与中心像素的差值矢量作为一个整体进行量化，同时提出循环搜索算法使LVQP提取的特征具有旋转不变性。此外，利用自适应的阈值提取具有特征鉴别能力的局部区域中心像素的灰度信息。实验结果表明LVQP对于噪声和光照条件变化具有较强的鲁棒性。
（2）针对LBP中特征信息提取单一问题，提出一种基于特征的局部二值模式（Feature　based　Local　Binary　Pattern，FbLBP）。FbLBP将邻域像素与中心像素的差值矢量分成符号矢量和幅值矢量，使用统一模式LBP提取符号矢量特征，利用幅值矢量的均值和方差特征表达幅值矢量信息。通过实验证明符号矢量特征与幅值矢量的均值和方差特征具有良好的互补性。同时，为了适应多尺度特征的要求，FbLBP从多个采样半径上提取特征从而更充分的表达了局部纹理结构。实验结果表明，FbLBP具有良好的纹理分类效果，同时保持了较低的特征维数。
（3）针对旋转不变纹理分类问题，提出一种新的基于圆环的局部二值模式（Local　Ring-like　Binary　Pattern，LRBP）。将矩形邻域转换成不同半径的环形邻域，在多个圆环上分别提取局部特征与整体特征。提出一种新的模式提取方法，将邻域像素作为一个整体与中心区域比较得到其特征。同时，针对统一模式在复杂纹理图像中描述能力不足的问题提出拓展的统一模式，并应用在LRBP中，称为Extended　LRBP（ELRBP）。实验结果表明，LRBP和ELRBP在多种纹理数据库上均具有良好的纹理分类效果。