岩石薄片中的矿物识别是地学研究的一项基础任务,对于岩石类型鉴别及岩石成因的探讨具有重要意义。传统人工解译需要依赖于鉴定人员的专业能力和个人经验,工作量大且难免存在主观影响,机器识别以快速、客观的优势在矿物分类中广泛应用,选择何种矿物特征用于自动分类是其中重要的科学问题。矿物受内、外动力成矿作用形成不同空间分布的纹理变化,因此本文旨在定量证明矿物纹理特征能够用于矿物分类,研究纹理频谱信息并建立不同矿物之间的定量差异,基于此确定适合矿物分类的方法,进而实现基于纹理指标的矿物定量分类与识别。首先,本文在纹理特征研究的基础上构建了不同特征（周期、方向、振幅）的模拟图像,进行纹理特征的频谱能量分布研究,通过径向及角向统计定量分析频谱能量分布意义及其所表征的纹理特性,以确定纹理信号的本质特征及定量描述指标。然后,以花岗岩岩石薄片图像中三种典型矿物为研究对象,分析特征提取方法的适用性及影响因素,获得初步的纹理分类变量,并基于方差分析方法研究纹理指标与矿物种类间的关联程度,建立薄片图像内不同矿物之间的定量差异。最后,基于因子分析方法,进行变量组合研究矿物纹理指标分类过程中的主导因素,以确定适合矿物的分类方法;结合判别分析和聚类分析,对矿物样本进行分类验证,进而基于纹理指标实现矿物定量分类,为矿物自动识别提供参考依据。研究成果表明:（1）模拟理想纹理图像研究发现径向谱能够充分表达纹理的频率信息。其中,径向指标在矿物分类过程中受频谱峰值能量影响,不同径向指标对不同矿物空间特性具有不同的响应程度,指标可分程度显著大于检验阈值,能够用于矿物分类。（2）基于因子分析方法进行纹理特征指标的主导因素分析,实现指标间的优化组合。结果显示纹理指标可以分为两个高频和低频两组变量组合,其中高频信息反映矿物纹理的主体轮廓（纹理轮廓因子,TCF）,低频信息反映纹理结构的内部变化（纹理细节因子,TDF）。（3）基于因子组合对所选的矿物样本分类,分类精度达到了95%以上,结果与实际矿物种类高度吻合,即因子构建合理。矿物纹理能够用于岩石薄片中典型矿物定量识别。