随着现代设备技术的不断发展,如何能有效的对机械设备运行状态进行监测和故障诊断成为了人们热点关注问题。铁谱分析技术是一种广泛应用于机械设备状态监测和故障诊断的有效手段,近年来,随着计算机技术、图像处理技术和智能化技术的兴起与发展,使得铁谱分析技术也向着自动化、智能化发展。铁谱图像分析技术主要包括铁谱图像分割和铁谱图像磨粒分析与识别两个方面,磨粒的分析与识别是铁谱图像分析技术的关键环节,如何有效的对磨粒特征如纹理特征进行提取是磨粒准确识别的前提,磨粒类型的准确识别是机械运行状态监测和故障诊断的主要依据来源。本文首先对铁谱图像分析技术的原理、发展和研究现状作了介绍;对机械磨损机理及磨粒类型进行了概述,并介绍了图像处理的一些常用方法,如中值滤波、形态学处理、大津阈值法等;再对分水岭分割算法以及分割后的磨粒表面纹理研究方法进行了介绍。针对铁谱图像磨粒纹理提取问题,本文提出基于D4提升小波的磨粒纹理特征提取方法(LWTE)。该方法首先在RGB空间,分别对R、G、B三个通道图像进行滤波、形态学等预处理;然后再对各个通道图像进行D4提升小波变换,得到磨粒纹理的垂直、水平、对角三个方向的细节信息;再利用模极大值来提取三个通道的磨粒纹理,并通过或运算将各个通道的磨粒纹理进行融合,从而得到具有磨粒纹理的图像。在对磨粒纹理进行提取后,本文提出基于霍夫变换的磨粒纹理识别方法(HTTI)。该方法主要针对异常大磨粒如严重滑动磨粒和疲劳磨粒,首先对纹理图像进行统计概率霍夫变换,可以得到纹理中的直线特征参数,如线段的长度和角度;然后提取磨粒的几何特征参数,如磨粒的长短轴;再通过统计分析,可以检测出纹理的直线性与方向性,从而区分严重滑动磨粒和疲劳磨粒。最后通过实验验证本文方法的有效性。结果表明本文方法可以有效的对铁谱磨粒纹理进行有效提取,并能较好的区分磨粒类型,是一种有效的磨粒分析和识别方法。