纹理是图像上常见的特征，是呈现在物体表面。纹理特征则具有一定的特殊性，不同的物体表面具有不同的纹理特征。同时纹理特征可以通过数学手段进行有效的提取，能够有助于不同图像的区分。纹理特征的特殊性使其具有广泛的应用性，特别是在图像处理和模式识别这两个方面。从图形学上来说，地震数据图就是通常意义上的纹理，可以利用纹理特征达到描述的目的。借助图像处理的方法、手段，能够达到对地震纹理进行有效的提取和分析的目的。本文讨论了纹理分析中的统计分析方法、结构分析方法、信号处理方法以及模型化方法，并分别从中选取了较为基本的一种方法进行具体的介绍。在对地震纹理属性进行提取的过程中，首先确定从地震纹理属性中可以提取的地震纹理特征，之后选择纹理分析方法来提取地震纹理属性。在本文中选择了应用较为广泛的灰度共生矩阵法。用C++程序完成灰度共生矩阵算法的实现，在程序中不仅需要解决从无数的地震纹理属性特征中选出灰度共生矩阵能够提取的，并对最后的地震纹理分析有着重要意义的属性，还需要对灰度共生矩阵中需要确定重要参数进行分析与选择，确定对于本地区最为合适的参数。将基于灰度共生矩阵的地震纹理提取方法应用于地质领域中，有着非常广泛的影响，在地震层序地层、断层、沉积体和潜山裂缝发育带识别等方面都得到相当程度的应用。应用灰度共生矩阵提取地震纹理属性及其程序实现，针对4种纹理属性（能量，熵，均质性，对比度）分析其不同的地质表征能力。并运用模式识别中的非监督分类方法模糊k均值聚类对提取的地震纹理属性进行有效的分类，最终实现地质目标体的准确识别。文章以辽河油田大明屯沈257区块地震数据为例，进行算法的试验，也从地震数据出发选取了最为合适的灰度共生矩阵参数，最终得到较好的试验结果。