已有的定量金相分析技术多建立在背景与目标的分割上，它对于分析诸多目标粘连在一起的情况显得困难重重。本文根据金相图像的纹理特征，把计算机技术、图像处理和模式识别的相关知识结合起来，建立了一套具有实际应用价值的金相图像纹理分类系统，该系统具有位移不变性、尺度不变性、旋转不变性和光照不敏感性等优点。 纹理特征提取算法多种多样，本文主要介绍了微分计盒分形维数法、多重分形相关维数法、小波变换法、不完全树小波变换法，并在此基础上提出了小波分形联合分析法，它充分利用了小波“数学显微镜”的特性和分形的自相似特性，在纹理特征提取方面取得了较好效果。在分类器设计方面，本文对BP神经网络分类器的结构设计、训练方法进行了详细介绍，采用动量法、S函数输出限幅和训练集重组相结合的方法优化，提高了分类器的精度和训练速度；采用隐节点自生成法改进了分类器的泛化能力。实验表明，使用小波分形联合分析法结合改进的BP神经网络分类器对金相图像进行分类可以达到很好的效果。 设计的金相纹理分类系统集显微镜、CCD摄像头、视频图像采集卡、计算机显示系统于一体，实现了从金相图像采集、预处理到特征参数提取、结果分析和打印等一系列功能。较好地解决了常规图像处理方法在分析金相图像时遇到的难题，实现了计算机对金相图像的自动分类和识别。