纹理特征提取是指通过一定的图像处理技术抽取出纹理特征，从而获得纹理的定量或定性描述的处理过程。随着计算机技术发展及机器视觉系统在不同领域的广泛应用，如农产品质量检测、国防安全、交通管理等纹理图像分析技术正在成为机器视觉领域的热点课题之一[21]。纹理特征提取属于学科交叉相对跨越较大，对于焊接熔池图像基于纹理特征方面的分类没有查到相关的文献，但对于纹理特征提取还是有一定学者进行深入的研究。纹理特征提取分类方法如图1.3所示。33529
 
图1.3  纹理特征提取方法分类
常用矩阵方法，如灰度共生矩阵，灰度行程统计，灰度差分统计，交叉对角矩阵，灰度梯度矩阵，其他方法研究的学者及相关论文不多，如局部灰度统计，自相关函数，半方差图，纹理谱统计等。小波变换方法最新有些新突破，由于Gabor小波可以利用其基函数的正交性有效地提取纹理特征，而且可以消除冗余信息，并且采用Gabor小波方法计算得到的纹理特征向量具有较高的文数，张刚，马宗民[21]等人提出一种采用Gabor小波的纹理特征提取方法。论文网
燕山大学练秋生，刘春亮研究的基于 Gabor 滤波器和 LBP 的分级掌纹识别。借鉴分级检索的思想，首次提出将局部二进制模式应用到掌纹识别中。先采用 Gabor 滤波器提取掌纹的全局能量特征，后采用 LBP 算子提取局部特征实现两次分类，与传统单纯Gabor 滤波器方法相比，系统的识别率有效得到提高[22]。
华侨大学陈美龙，戴声奎基于GLCM 算法对图像纹理特征进行分析，深入研究灰度共生矩阵算法，通过对纹理图像的灰度共生矩阵的计算分析和纹理特征提取实验，表明灰度共生矩阵能够反应图像并且与纹理特征描述图像的特点相对应，而且图像的 14 个纹理特征之间存在冗余，在实际中根据图像纹理特征的差异，可以选择几个显著的纹理特征对图像进行分类[23]。
周书仁，殷建平提出了一种Haar型特性局部二元模式(Haar local binary pattern，简称 HLBP)的图像纹理特征提取方法.Haar 型特征运算简单、快捷，统计局部特征有效,按其局部二元模式，结合Gabor小波滤波在不同方向、不同尺度对灰度水平图像进行特征提取有效地表达图像的纹理特征[24]。
王国德、张培林等人提出一种融合局部二进制模式得到 LBP 图像及其 GLCM，纹理特征参数选取分别为能量、对比度、相关性和逆差矩，此方法提取纹理特征平均分类正确率可达到93%，具有极强的鉴别能力[25]。 纹理特征提取研究现状:http://www.751com.cn/yanjiu/lunwen_30685.html