轧辊是轧机上的重要零件，其表面形貌直接影响到板带钢产品的表面质量甚至其织构组成。本文以轧辊形貌图像为研究对象，采集了不同轧制阶段下的轧辊表面图像信息，基于MATLAB平台，研究了轧辊在磨损过程中形貌图像特征及分形行为特征的变化规律。本文研究内容包括：（1）结合实验所得的轧辊形貌图像，对常用的图像处理方法进行了研究、分析和比较，找到适合轧辊形貌图像的处理算法，为图像特征的提取奠定基础。（2）对轧辊磨损形貌图像进行分析和特征提取，得出各图像特征参数随轧辊磨损的变化规律，结果表明，圆形度﹑等效面积圆半径﹑二阶矩﹑纹理熵四个特征参数随轧辊磨损程度的增加都呈现出一定的变化规律，能够将其作为有效的特征参数来定量评价轧辊磨损状态。（3）将分形理论引入到轧辊形貌图像分析中，用盒计数法计算出其形貌分形维数D，并分析了分形维数与轧辊磨损之间的关系，结果表明，分形维数D可以作为判断轧辊磨损状态的特征参数。（4）建立了用于轧辊磨损状态识别的BP神经网络模型，并在此基础上研制出集图像处理与图像计算分析的一体化软件程序，通过实验验证得到所建立的神经网络和所开发的软件都具有较好的适用性与可靠性。上述研究工作对于保证轧件的表面质量、提高轧制生产率具有十分重要的意义，同时为建立轧辊磨损形貌的定量评价体系提供了新途径。