随着生活水平的提高,面部皮肤的美容及护理已经受到人们的广泛关注。因此,如何客观、定量地对纹理图像进行分析及识别是近年来图像处理领域的研究热点,在现实中有广泛的应用价值。本文在前人研究的基础上,结合数学算法和计算机模拟,研究了一种基于神经网络的图像纹理统计特征分析及识别系统。本文首先结合国内外的研究现状指出了当前研究存在的问题和将来的发展趋势,深入研究了空间灰度共生矩阵法、分形维数和Gabor小波变换法,分析了这几种统计方法中各个特征的实际纹理意义,通过比较分析各种方法的优缺点,提出了采用空间灰度共生矩阵法提取纹理特征。其次,通过分析比较现有的图像预处理方法,设计了能有效对皮肤图像进行预处理的方法,增强了图像的纹理信息。接着在研究了传统的BP网络算法的基础上,提出了一种改进的基于TFBP(Transfer Function Error Back Propagation)神经网络算法,即转移函数误差逆传播前馈网络算法作为人工神经网络模式识别的算法。最后,在皮肤纹理图像的训练实验中,利用MATLAB中的神经网络工具箱对TFBP网络进行了训练,接着对人脸皮肤纹理图像进行了仿真识别,分类识别正确率为87.5%。本文提出的基于TFBP神经网络算法实现了人脸纹理特征的快速分类和识别,实验结果证明了测量系统的可行性。