Les images de texture naturelle présentent de fortes variabilités par classe induites par les différentes conditions d'acquisition (éclairage de la scène, différence de perspective, ...). Pour gérer l'effet négatif de cette variabilité sur les performances de classification, un nouvel algorithme de classification supervisée basée sur une forme K-barycentrique est proposé. Une étude comparative entre plusieurs algorithmes de classification supervisée sur les bases de données d'images texturées VisTex et Brodatz est réalisée et montre que la classification K-barycentres propose un bon compromis entre performances de classification et coût calculatoire.