圖像識別過程中特徵定義有四種方式：
1、統計方法。統計方法的典型代表是一種稱為灰度共生矩陣GLCM的紋理特徵分析方法Gotlieb和Kreyszig等人在研究共生矩陣中各種統計特徵基礎上，通過實驗，得出灰度共生矩陣的四個關鍵特徵：能量、慣量、熵和相關性。統計方法中另一種典型方法，則是從圖像的自相關函數（即圖像的能量譜函數）提取紋理特徵，即通過對圖像的能量譜函數的計算，提取紋理的粗細度及方向性等特徵參數。
2、幾何方法。所謂幾何法，是建立在紋理基元（基本的紋理元素）理論基礎上的一種紋理特徵分析方法。紋理基元理論認為，複雜的紋理可以由若干簡單的紋理基元以一定的有規律的形式重複排列構成。在幾何法中，比較有影響的算法有兩種：Voronio棋盤格特徵法和結構法。
3、模型法。模型法以圖像的構造模型為基礎，採用模型的參數作為紋理特徵。典型的方法是隨機場CRF模型法，如馬爾可夫（Markov）隨機場（MRF）模型法和Gibbs隨機場模型法。
4、信號處理法。紋理特徵的提取與匹配主要有：灰度共生矩陣、Tamura紋理特徵、自迴歸紋理模型、小波變換等。灰度共生矩陣特徵提取與匹配主要依賴於能量、慣量、熵和相關性四個參數。Tamura紋理特徵基於人類對紋理的視覺感知心理學研究，提出6種屬性，即：粗糙度、對比度、方向度、線像度、規整度和粗略度。自迴歸紋理模型（simultaneous auto-regressive, SAR）是馬爾可夫隨機場（MRF）模型的一種應用實例。
