中国画作为我国文化艺术的精髓,其数字化管理不论是在其保护方面,还是历史文化传播和研究方面都具有至关重要的作用和意义。而如何方便的管理及分类中国画则成为了研究重点。纹理在图像分类和检索中有着广泛的应用。在基于语义的中国画分类中,纹理是中国画语义信息的重要来源。由于众多中国画的年代、保存方式、使用的纸墨以及扫描设备都不尽相同,加之画作的构图千变万化,这就对纹理分析算法的普适性提出了较高的要求。本研究针对传统算法在中国画分类中鲁棒性较差的问题,提出在中国画分类中使用复杂网络理论,将一幅灰度化的中国画使用一个复杂网络进行表示,并对所得的复杂网络进行特征计算。把得到的特征向量,使用支持向量机(support vector machine,SVM)进行训练和分类。实验结果表明,相比传统方法,复杂网络理论在中国画分类中具有更强的鲁棒性。然而,复杂网络自身在实验中表现出了一定的缺陷,在图像尺寸增加的过程中,算法的计算量会急剧增大导致无法处理大分辨率的图像。针对数字化中国画存在的各种问题和复杂网络算法的这一不足,本文提出了基于图像熵的分块筛选方法,与复杂网络理论相结合来提取中国画的纹理特征,并使用支持向量机进行分类。实验结果表明:该方法能有效提取中国画纹理特征并进行分类,且在图像不规范的情况下依然有较好的表现。