تکنیک های آنالیز بافت همواره مورد توجه پژوهشگران بوده است و مطالعات فراوانی در جهت به کارگیری آنها صورت گرفته و راهکارهای متعددی ارائه شده است. در بسیاری از روش های آنالیز، بافت را سیگنال ایستان فرض می کنند که در حالت کلی فرض درستی نیست. ایستان دوری بودن، فرضی نزدیک تر به واقعیت است. این مفهوم ما را به سوی استفاده از تابع همبستگی طیفی scf رهنمون می سازد که توصیف آماری مرتبه دومی در فضای فرکانسی سیگنال ها فراهم می کند. در روش پیشنهادی، دو سیگنال یک بعدی از هر تصویر با جاروی سطر به سطر و ستون به ستون تصویر بدست می آیند و تابع همبستگی هر یک از آنها محاسبه می شود. برای تخمین تابع scf در این پایان نامه از الگوریتم fam استفاده شده است که به لحاظ بار محاسباتی الگوریتم موثری است. پس از محاسبه تابع همبستگی طیفی، ویژگی های شکلی و نیز ویژگی های آماری (شامل انرژی و واریانس دامنه ی تابع) از نواحی مختلف صفحه دو فرکانسه استخراج می شود. علاوه بر محاسبه تابع همبستگی طیفی در هر یک از ابعاد سطری و ستونی، همبستگی بین این دو بعد در نقاط ویژگی و همچنین در تمام پیکسل های تصویر محاسبه می شوند. این ویژگی ها به منظور طبقه بندی به طبقه بند knn و mlp اعمال می شوند. نتایج آزمایش ها نشان می دهند روش پیشنهادی نتایج بهتر و کارآیی بالاتری نسبت به رهیافت های پیشین ارائه شده دارد.