图像工程目前研究和发展的瓶颈主要在理解层次上。本文提出了以像素统计为基础，将图像处理、图像分析、图像理解三个不同的过程融为一体。同时，在保留原有算法优点的基础上，解决了图像工程各个层次的孤立性，也减少了人为干预系统运行的过程，为图像的自动分析与理解提供了可能。本文着重讲述了图像处理、图像分析、图像理解三者结合的过程。纹理作为事物的一种固有特征，本文将纹理的特征，如二阶矩、熵、反差、能量以及相关等特征作为一种知识，引入人工智能中的框架理论。理论上分析了，纹理特征与框架理论结合的可能性，同时也给出了具体的框架推理过程。经实验研究表明，基于上述过程处理图像后，能有效的识别图像。　　 随着人类活动范围的扩大，研究对象的增多，图像作为一种信息量巨大，表现生动的信息载体被广泛的应用到各行各业。在医学领域，通过医学细胞读片来判断疾病；在大规模的人口健康普查中细胞图像都有重要的应用。为了减少重复劳动的错误，有效提高图像的自动实别是本文的目的之一。采用统计方法的图像纹理分析，可以保证纹理特征的稳定性。当图像发生放大、缩小、旋转时，保证纹理特征值变化在较小的范围内。人类的智能表现在过去的经验和知识的积累上，为了使计算机体现类似人类的智能，需要将知识教给计算机。框架理论作为描述结构性事物，可以将细胞的纹理特征转化为知识表达，借助框架的推理基础，帮助我们完成自动的图像理解。　　 本文通过对图像理解过程的研究，探索了针对人体细胞识别过程的技术研究。将纹理技术同其它图像理解技术相结合，能更好的提高图像识别的程度。实验中系统采用了不同的人体细胞，能有效的完成细胞的识别。系统也采用了相同人体部位的图像，来完成图像纹理分析，如两张来肺部的图片，因此是相同部位的医学图像，纹理特征也应当是相近的，实验结果与预期设想相一致。本文给出了实现图像理解的有效途径，在实践和理论中具有一定的参考价值和意义。