地板块纹理识别分类是地板生产过程中的关键环节,利用计算机视觉技术按地板块纹理特征进行分类,具有理论、实用双重价值。本文在局部二值模式(Local Binary Pattern, LBP)和混合高斯模型(Gaussian mixture model,GMM)理论的基础上展开研究,主要研究内容如下：在阐述局部二值模式的基本概念、计算方法和相关特性等理论的基础上,针对地板块纹理结构精细复杂、无规则的特点,首次提出使用LBP算子描述地板块纹理特征。在其基本理论的基础上,引入调整参数ε扩展LBP算子,增强纹理特征。同时针对传统LBP算子特征总量大,且不能准确区分因图像旋转得到的同类纹理的缺点,采用均匀模式和旋转不变性与传统LBP算子相结合。改进后的LBP算子能够用较少的特征量较全面地反映纹理信息,便于纹理图像的识别分类。在阐述混合高斯模型的基本概念、EM算法的原理及EM算法求解混合高斯模型参数的详细推导过程和结论的基础上,提出了应用混合高斯模型对地板块纹理特征进行分类,并采用常用的EM算法估计混合模型参数。针对参数初始值对传统EM算法估算结果较敏感的问题,提出将K-means算法的估算结果作为混合高斯模型参数的初始值,可在一定程度上改善初始值极易影响EM算法陷入局部最大值的问题,保证分类结果的稳定性和准确性。通过对上述算法的学习研究,本文将LBP算子和混合高斯模型相结合,提出了一种基于混合高斯模型的地板块纹理分类算法,完成多类别地板块纹理的识别和分类。经实验证实,该算法运算速度快、分类准确率高、存储空间小,优于传统的灰度共生矩阵提取法和SVM、BP神经网络、KNN算法的分类效果,具有较高的实用价值,为地板块纹理分类问题提供了一种新的有效方法。