随着生活水平的提高，人们越来越关注人脸面部皮肤的美容及护理，因此皮肤纹理的分析测量与识别问题成为一个重要的研究课题，传统的目视观测已经不合人们的要求，本文在现有的理论和文献基础上，研究了一种基于图像纹理统计特征分析的人脸皮肤纹理测量及识别系统。 首先从人体皮肤的生理机理出发分析了客观定量评价人脸皮肤纹理在皮肤美容和护理医学中的重要性，给出了传统的测试方法的弊端，并介绍了模式识别与纹理分析技术及其目前的研究发展现状。 然后，深入研究了各种纹理的统计特征分析方法，包括空间灰度共生矩阵法、中心矩方法、游程长度法和极大极小值方法，定性地分析了这几种统计方法中各个特征的实际纹理意义，并且利用一组测试图像验证了灰度空间共生矩阵纹理特征的物理意义。接着，在研究了传统的BP网络算法的基础上，提出了一种新的改进BP网络算法即转移函数误差逆传播前馈网络算法—TFBP(Transfer Function Error Back Propagation)算法作为人工神经网络模式识别的分类识别算法。 最后设计了基于共聚焦显微镜和CCD摄像机的人脸皮肤图像采集系统，采用VC程序语言设计了皮肤图像的预处理和特征值计算过程程序，提出了采用空间灰度共生矩阵特征、中心矩特征、游程长度特征和极大极小值特征综合提取皮肤纹理特征的方法，从而更有效的对皮肤纹理进行分类与识别。在皮肤纹理图像的训练实验中，选用五类皮肤图像的15组样本作为数据，利用MATLAB中的神经网络工具箱对TFBP网络进行了训练，最后对六幅典型的人脸皮肤纹理图像进行了识别实验，分类识别正确率为83.3%，实验的结果证明了本文提出的人脸皮肤纹理测量分类识别系统方案的可行性和理论分析的正确性。