本文以图像处理、分形及小波技术为手段，研究基于加工工件表面图像的刀具磨损检测方法。重点研究切削加工过程中工件表面图像的预处理、特征提取以及刀具状态识别等关键技术。 在理论分析和试验基础上，对灰度变换、几何变换、边缘检测、图像分割、区域标记和对比度增强等图像预处理问题进行研究，完成了相应的图像处理算法，为实现刀具磨损状态检测的图像特征提取奠定基础。提出将连通区域数作为刀具磨损的特征量，研究分析结果表明：基于图像分割的连通区域数随刀具磨损的增加具有上升的趋势，可以作为刀具磨损的特征参数。 将分形理论引入到基于图像的刀具状态监测领域，研究了简单分形中二维离散图像信号盒维数的具体实现算法及盒维数的变化规律，实验表明：随着刀具磨损量的增加，盒维数具有缓慢上升的趋势，利用这一特征可有效实现刀具磨损状态的监测。利用多重分形谱精细全面地描述工件表面图像特征，采用配分的方法获得多重分形谱，并对具体的算法进行了描述，确定了权重因子q的取值范围，获得相应的特征参数，对工件表面的均匀性进行评价，获得了与刀具磨损的关系。 在对图像小波变换方法研究的基础上，对图像进行小波包分解，得到许多含有丰富中频信息的子图像，发现水平高频垂直低频(HL~i)的子图像纹理比较明显，将其能量分布比例特征作为刀具磨损的判据。实验结果表明：小波包能量分布比例特征能够反映刀具磨损的状态。 建立以车削实验为基础的刀具监测系统，在大量实验基础上，使用上述各种分析方法对加工表面图像进行分析和处理，获得了基于图像分割的连通区域数、简单分形