在古代瓷器鉴定领域,判定这个瓷器的生产年代、它的烧制窑口、它的所属类别这些问题依旧是陶瓷考古的重要内容。在古代文物的保护与研究过程中,经常会发掘出大量古代瓷器碎片,这些混杂在一起的文物碎片属于不同的类型,来自不同的器物和产自不同的年代,从而加重了碎片分类的工作量,影响了瓷器复原的速度,不便于文物的管理和保护工作。本文围绕古代瓷器碎片的自动分类问题,通过理论分析、数据集制作、方法设计与实验对比,分别对古代瓷器碎片显微图像预处理、表面划痕检测和显微图像分类等问题进行了研究。本文的主要内容如下:（1）建立了古代瓷器碎片显微图像数据集。目前在古代瓷器的微观研究领域,尚未见到完善公开的显微图像数据集发布。因此构建面向图像分类的古代瓷器显微图像数据集是本文的首要任务。首先利用光学数码显微照相机拍摄了古代瓷器碎片表面釉层的显微图像,并根据瓷器碎片的类别制作了古代瓷器碎片显微图像数据集。为后续研究工作提供数据基础。（2）针对瓷器显微图像存在的不够清晰、光照不均等问题,通过分析研究图像预处理方法,采用Gamma矫正和CLAHE算法实现了古代瓷器显微图像对比度的增强以及显微组分清晰度的提高。针对瓷器表面的划痕特征（划痕的杂乱程度和深浅）存在不够明显、不易观察的问题,本文提出并实现了一种针对瓷器表面的划痕检测框架,该框架能有效地检测和呈现瓷器碎片显微图像中的划痕,便于研究者通过检测出的划痕来判断瓷器的受损程度、生成年代等重要属性。（3）针对古代瓷器碎片显微图像数据量较少的问题,采用的迁移学习微调方式加快了深度网络的收敛,有效降低了模型训练时的计算成本。针对神经网络所占内存大、消耗大的问题,提出并实现了一种在迁移学习微调的同时训练网络剪枝因子的TS模型。本文所提出的T-S模型在保证碎片分类准确率的前提下降低了训练成本、缩短了分类时间。