بافت ها به ویژگی های بصری پوسته ی یک شیء اشاره دارند که از طریق آن ها می توان نوع یک شیء و خواص آن را تعیین کرد. در نتیجه، بافت ها مولفه های مهمی از جهان هستند. به همین دلیل در بینایی کامپیوتر حوزه ای به نام تحلیل بافت مطرح شده است. در این حوزه به بررسی بافت در زمینه های مختلف طبقه بندی، قطعه بندی، سنتز و شکل از بافت پرداخته می شود. طبقه بندی بافت یکی از زمینه های حائز اهمیت در حوزه ی تحلیل بافت است که هدف آن تخصیص یک تصویر نمونه ی ناشناخته به یکی از کلاس های بافت شناخته شده است. از کاربردهای طبقه بندی بافت می توان به طبقه بندی پوسته ی سنگ ها، تشخیص انواع چوب، تشخیص صورت، طبقه بندی پارچه و تقسیم بندی مستندات اشاره کرد. برای ارزیابی سیستم های طبقه بندی بافت ارائه شده، پایگاه داده هایی از تصاویر بافت ایجاد شده اند. در این پایگاه داده ها تصاویر به گونه ای طراحی شده اند که به تصاویر بافت طبیعی نزدیک بوده و دارای ویژگی های آن ها باشند. تصاویر طبیعی معمولاً دارای تغییرات مقیاس، روشنایی، نقاط دید و چرخش هستند که در روش های مختلف طبقه بندی بافت سعی شده جوانب بیشتری از ویژگی های بافت طبیعی پوشش داده شود. به همین دلیل تا به حال روش های زیادی ارائه شده اند که می توان آن ها را در چهار گروه روش های آماری، ساختاری، مبتنی بر مدل و پردازش سیگنال دسته بندی کرد. در هر یک از روش ها ویژگی های مختلفی از تصویر بافت استخراج می گردد. ویژگی های استخراج شده متناسب با نوع روش و تصاویر بافت مورد بررسی هستند. امروزه به دلیل پیچیده شدن روش ها و به کارگیری ویژگی های ترکیبی امکان قرار دادن آن ها در یک گروه خاص مشکل است، زیرا اکثر آن ها در چندین گروه جای می گیرند. البته بررسی های انجام شده در سال های اخیر نشان می دهد که از بین این چهار روش، الگوریتم های مبتنی بر روش های آماری و پردازش سیگنال قوی ترین ابزارها را برای طبقه بندی بافت ارائه داده اند. هدف از این پایان نامه معرفی روش های جدیدی برای طبقه بندی بافت است که بیشتر آن ها از روش های آماری استفاده می کنند. برای این منظور ویژگی هایی معرفی گردیده اند که با به کارگیری آن ها برای توصیف تصاویر، دقت سیستم طبقه بند افزایش یافته است. این ویژگی ها نسبت به تغییرات روشنایی، مقیاس و چرخش مقاوم هستند و با محاسبات کمی استخراج می گردند. در این پایان نامه، ویژگی هیستوگرام جهت غالب معرفی می گردد که دو روش مختلف برای استخراج آن مطرح شده است. این ویژگی اطلاعات لبه و جهت را نمایش می دهد و به عنوان مکملی برای ویژگی پرکاربرد الگوی دودویی محلی ارائه شده است. سپس در آزمایشات متعددی ترکیب های مختلف ویژگی ها مورد بررسی قرار گرفتند تا ویژگی هایی به دست آیند که برای توصیف تصاویر بافت مناسب اند و کارایی سیستم را افزایش می دهند. این ویژگی ها شامل رنگ و نوع پوسته ی محلی می شوند. در بخشی از آزمایشات، از ویژگی های به کار رفته در کاربردهای غیر از طبقه بندی بافت، استفاده شده است که با بررسی های مختلف مشخص شد که این ویژگی ها برای توصیف بافت نیز مناسب اند. اکثر روش های پیشنهادی در این پایان نامه توانستند، دقت سیستم طبقه بند بافت را در مقایسه با سایر روش های موجود افزایش دهند.