纹理分类作为计算机视觉中的经典问题受到了国内外学者的广泛关注。纹理特征提取是纹理分类基础和前提。然而大多数的纹理特征提取方法是在灰度图像的基础上提出的,忽略了颜色信息。现实世界是丰富多彩的,颜色信息作为具有判别力的特征也是必不可少的。针对彩色纹理特征的提取,大多数方法是直接组合每个颜色通道内的特征。由于每个颜色通道不是孤立的,彼此之间存在一定的关系,因此更重要的是捕获不同颜色通道间的特征。针对上述问题,本文提出了三种彩色纹理特征提取方法,而且,在公开的标准彩色纹理数据集上(CURe T、Vis Tex、Colored Brodatz、USPTex、KTH-TIPS)进行了基于这三种纹理特征提取方法的纹理分类实验。实验结果显示,本文所提出的方法优于其他具有代表性的彩色纹理特征提取方法。具体地,本文的主要创新点包括如下三个方面:1.提出了基于HSI空间中最短路径的彩色纹理特征提取方法。通过在HSI颜色空间中,将彩色图像的H颜色通道建模成一个无向图,S颜色通道和I颜色通道共同建模成一个无向图,两个无向图被用于表示彩色纹理图像,再计算无向图中四个不同方向上最短路径的一阶统计量来构建彩色纹理特征。2.提出了基于紧致通道间采样差分的彩色纹理特征提取方法。首先使用t分布在图像块中采样微块,随后利用密集微块差分模型对彩色图像的不同颜色通道间的关系进行建模,捕获不同颜色通道间的差分特征。最后,Fisher向量被用于编码得到的差分特征,PCA(主成分分析)被用来降低编码后特征的维数后得到紧致通道间采样差分描述符。3.提出了基于完整极值非负DMD的彩色纹理特征提取方法。首先使用DMD(密集微块差分)建模彩色图像的颜色通道内特征和颜色通道间特征。负值在数字图像中是没有意义的,因此在差分过程中使用非负运算。通过融合颜色通道内特征和颜色通道间特征的最大值构建极值非负DMD,包含局部特征的极值非负DMD和彩色纹理的全局特征进行融合,构建完整极值非负DMD。