从工业革命以来200多年,人类社会的历史因为机器的产生发生了翻天覆地的变化,机器也越来越向着高精度、高效率、高智能化发展,机械设备的运行状态和故障反馈显得尤为重要。它是关系到人们人身安全、公司生产效率和社会发展进程的重要问题。旋转机械是大部分现有机械的运转形式,其中的旋转部件是带动整个机器运行的核心,其中轴承和齿轮是两个常用的旋转部件,它们的状态影响着整个系统的稳定性和持续性。基于振动信号的旋转机械分析是目前为止最有效的状态分析方法。本文基于旋转机械的振动信号,以齿轮和轴承为研究对象,利用图像处理的方法,对其进行特征提取和故障判断,主要内容如下：(1)基于传统信号分析方法,研究了不同的时频处理方法,重点对运行状态复杂的非稳态信号进行分析,指出非稳态信号下传统时频分析的不足之处,重点研究小波时频分析及小波时频图的得到,并对时频图进行灰度转换与归一化处理,根据灰度时频图像的特点寻找合适的特征提取方法。(2)通过对图像纹理特征提取的分析,选择能够对时频故障有效分析的纹理统计特征方法：灰度共生矩阵。为时频图像选择合适的灰度共生矩阵生成方法,提取其特征参数,并分析其存在的不足之处,基于灰度共生矩阵特征参数,提出改进的特征参数,并在齿轮试验数据上进行验证。改进的算法得到了较好的效果。(3)基于轴承试验,得到不同的故障状态和故障类型的轴承数据,研究了数学形态学的图像处理方法,把形态谱运算引入时频图的分析中,对数据进行处理并比较其分离形式,对不同类型的数据进行分析,发现基于时频图像的形态学特征提取对不同故障类型有较明显的作用。(4)基于NI公司的LabVIEW编程平台,针对某桥式起重机起重平移平台的齿轮箱轴承的在线检测和分析系统编写了程序,实现了数据的在线检测与报警,并用时频图像的特征提取方法对数据进行离线分析,验证了系统的实用性和可靠性。