الگو یک شی انتزاعی است که با استفاده از یک سری ویژگی ها تعریف شود، بازشناسی الگو سیستمی می باشد که قادر خواهد بود الگوی ناشناخته ای را تشخیص و در دسته مربوطه قرار دهد. یکی از مهمترین بخشهای سیستم بازشناسی الگو، مرحله ی استخراج ویژگی میباشد. استخراج بردار ویژگی مناسب از الگوی ورودی با ویژگی هایی مستقل از یکدیگر، سبب عدم گمراهی طبقه بند در طبقه بندی داده ها شده در نتیجه علاوه بر امکان استفاده از طبقه بندهای ساده تر و کاهش هزینه های محاسباتی، افزایش نرخ بازشناسی را در پی خواهد داشت. بافت تصویر را شاید بتوان یکی از مهمترین و موثرترین المان ها در پردازش و بازشناسی تصاویر دانست. در بازشناسی تصاویر بافت، با استفاده از بردار ویژگی استخراج شده از تصویر، بافت ناشناخته ورودی به یکی از خوشه های معلوم نسبت داده می-شود، بنابراین دو معیار چگونگی استخراج ویژگی از تصویر و استفاده از طبقه بند مناسب، نقش بسزایی را در نرخ بازشناسی ایفا خواهند کرد. هدف این پایان نامه ارائه روش هایی به منظور استخراج ویژگی های کارآمد و بهینه سازی بردار ویژگی در جهت بهبود نرخ بازشناسی تصاویر بافت و کاهش هزینه های محاسباتی میباشد. پیاده سازی چنین سیستمی نیاز استفاده از طبقه بند های پیچیده را از میان خواهد برد.