本论文研究图像识别中的重要课题：图像纹理特征提取与分类，并应用于城市地下管道检测中管壁缺陷的定位与分析。 图像识别是根据图像中的特征对其进行识别并分类的过程，目的在于用计算机代替或扩展部分脑力劳动，快速地实现大量图像的自动检测和分析。图像特征的提取和分类是图像识别的关键性环节。 本文首先讨论纹理图像识别中的特征提取和聚类技术概况，并对国内外研究现状进行综述。通过对特征提取的基本原理和主要方法的讨论，结合管壁图像的分类进行深入研究，取得了以下主要成果： 1．在特征提取中采用Gabor滤波器并结合其他方法构建特征向量。Gabor滤波器能很好地模拟视觉特性，我们采用一组Gabor滤波器在多尺度多方向上提取图像的纹理特征，同时在Gabor特征的基础上加入灰度均值以及Tamura粗糙度特征，并用PCA降维构成新的特征向量。实验表明这种新的特征向量充分反映了纹理图像中的有用信息，因而能够更好地反映研究对象的纹理特征。 2．针对K均值聚类方法对初始聚类中心敏感这一特点，提出一种对初始中心选取的改进方法。该方法基于数据每个维度的直方图特性。选择数据分布最多的坐标为该维度初始中心的坐标。该方法具有实现简单、计算量小的优点。通过实验表明该方法能够有效减少聚类迭代次数，降低系统开销。 3．将本文的纹理识别方法用于城市地下水管管壁缺陷探测工程中，识别管壁图像中存在的光滑、粗糙和锈蚀区域。通过对识别结果的分析，可以得到图像中缺陷部分所占的比例以及分布状况，结果令人满意。该项研究结果可应用于大城市地下管道的普查工程中。