产品设计，离不开材料的选材，对材料进行环境适应性试验，是考核材料在自然环境中腐蚀状况的一种主要手段。材料在环境试验中，由于受各种环境因素的影响，其表面会发生各种腐蚀特征现象，主要表现有：裂纹、鼓泡、点蚀、剥落等腐蚀特征信息。根据这些腐蚀特征信息，可确定材料外观腐蚀特征等级，对材料外观腐蚀信息的描述，最直接的是从材料外观腐蚀状况进行直观表述，材料腐蚀外观状况如何是材料环境适应性的一个重要表现，也是产品设计材料选材不可缺少的依据。对材料外观腐蚀底层特征信息的处理，到高层语义的解释描述，在目前计算机信息处理中存在一个“语义鸿沟”问题，如何从高层语义中准确识别、表述材料外观腐蚀特征信息是目前计算机信息应用领域在材料腐蚀学科需要解决的问题。为了减少“语义鸿沟”，一方面要构建一个材料外观腐蚀特征描述模型，该模型能充分描述材料外观腐蚀底层特征和材料腐蚀高层语义特征，为底层特征和高层语义之间产生关联搭建一个桥梁。另一方面要构造一个分类器来实现材料外观腐蚀底层特征到材料腐蚀高层语义特征的映射。人们对图像的理解难以直接从低层视觉特征获得，这就需要对图像的语义进行深入分析，使计算机能够理解基于人类认知的相似性。为此，将本体技术引入到材料腐蚀领域中，通过本体，描述图像语义概念以及概念与概念之间的关系。由于语义概念之间关系往往存在着一定的模糊性，所以，将模糊集加入到本体技术中，构建FDO（模糊领域本体）语义特征描述模型，该模型包含底层特征、高层语义概念，并且在语义概念间的关系上加入模糊隶属度，这样既能充分利用图像的底层特征，又能符合人对图像的模糊视觉理解，从而填补底层特征与高层语义之间的“语义鸿沟”。本文借助SVM分类器来实现材料腐蚀特征图像分类，达到将从图像的底层特征自动获取图像的语义注释信息的目的，由于SVM分类器是对样本进行绝对分类，而实际中某个样本不可能完全归属于某个类，于是提出了一种新的基于Vague集的模糊支持向量机语义分类方法实现底层特征向高层语义特征的映射，Vague集和模糊集利用的基于区间隶属函数能更好地捕获样本中的不确定和模糊信息，有助于解决样本的重要性权值确定不当的问题，提高了分类精度，更好的实现了图像语义特征的自动获取。最后，设计了一个图像分类系统，并根据给定的实验样本，对分类方法进行了验证处理。