在机械设备的运行过程中，由于磨损会产生不同的磨粒类型，其中异常大磨粒的出现往往预示着机械设备的运行状态出现问题，需要及时停车检查。磨粒类型的分析和识别，是铁谱图像分析技术中最重要的一环，根据磨粒特征如纹理特征、形状特征，自动判断磨粒类型，对铁谱图像分析技术迈向智能化、自动化有着重要的意义。本文的主要研究内容如下：　　针对传统大津阈值在去除铁谱图像背景时出现误分割的情况，本文提出在HSV颜色空间中基于大津阈值的铁谱图像背景减除算法，取得了较好的效果；研究了基于邻域的区域标记方法，提出了基于区域标记的磨粒分割算法。　　研究基于灰度共生矩阵和灰度-梯度共生矩阵两种纹理提取算法，并将两种算法应用到严重滑动磨粒和疲劳磨粒的纹理特征提取当中，利用支持向量机依据提取到的纹理特征对磨粒进行分类，最后通过实验分析比较两种算法的优劣。　　研究霍夫变换的原理，提出基于霍夫变换的磨粒纹理提取算法。该算法首先利用Canny算子对灰度图像进行处理，获得纹理种子信息图像，该图像包含灰度变化明显的像素，其次利用霍夫变换检测出磨粒上的直线形或类圆形纹理基元，最后通过对检测到的纹理基元进行统计，实现对异常大磨粒如疲劳磨粒和严重滑动磨粒磨粒的识别。　　实验证明本文提出的基于霍夫变换磨粒纹理提取算法，取得了较好的效果，且该算法与基于共生矩阵的纹理提取方法相比，不需要训练样本，符合视觉感知，是一种有效的磨粒分析和识别方法。