断口图像的智能化模式识别与分类是断裂构件智能化诊断的重要内容之一。从断口图像中提取有用的特征信息是实现断口分析定量化和智能化的最根本问题,而断口的模式识别与分类又是进行断裂故障智能化分析的关键性问题。纵观国内外的研究,虽然在断口识别上已取得一些有效的成果,但也存在识别率不高的缺点。因此,很有必要采用新的方法对断口的识别与分类进行进一步的研究和探索。本研究以灰度级的空间相关矩阵即共生矩阵为基础进行纹理特征提取,应用计算机对典型断口进行识别和分类的问题开展了系统的研究工作,为今后全面开展金属断口定量分析实现断口故障诊断的智能化提供了重要的组成部分和技术手段,主要内容如下:选择疲劳、韧窝、沿晶、解理四种典型金属断口图像为研究对象。通过分析灰度共生矩阵特征参数随其三个构造因子(生成步长d,图像灰度级g和生成方向θ)的变化规律,并结合金属表面纹理自身的特点,确立了适合描述金属表面纹理的灰度共生矩阵构造方法。以上述研究为基础,获取灰度共生矩阵的14个纹理特征参数,使用“参数间相关性分析”和“主分量分析”两种方法对这14个纹理特征参数进行选择。在前一种方法中,本研究还与常用方法进行比较分析,最后发现,本研究的方法比常用方法分类的效果更好。本研究还采用了BP神经网络分类器和径向基神经网络分类器对各断口特征进行分类。在上述两种特征选择方法中,BP神经网络分类器对未知样本集合的识别率低于径向基神经网络分类器。最后,对实验结果进行了比较分析。