多重分形是非线性科学研究中十分活跃的一个新分支,它作为分形几何领域的一个主要发展方向,现在已被广泛应用于各个学科领域。特别是它在图像处理方面潜在的理论和应用价值,使得多重分形理论在图像处理中的应用成为许多科学工作者的研究课题。多重分形是描述信号奇异性结构的有效数学工具,它尤其适合于一些难以建模的不规则图像的处理和分析。它从全局来描述奇异几率分布的形式,或者说它是用一个谱函数来描述分形体不同层次的生长特征,从系统的局部出发来研究其最终的整体特征。本论文在深入研究了多重分形的理论、算法及其在特征提取方面的应用后,提出了利用8个多重分形谱特征(奇异指数α的最小值α_min,奇异指数α的最大值α_max,α_min所对应的多重分形谱的值f_min,α_max所对应的多重分形谱的值f_max,谱宽,谱差,f（α）取得极大值的奇异指数的值α_d,二次拟合曲线的不对称度B)进行图像识别的方法。通过编程仿真实验,对近200副图像（三类图像）进行识别,识别率达到了80%。实验证明,用多重分形分析方法提取的目标图像特征值有很好的识别效果,并取得了较好的识别率。本文的研究成果为多重分形理论在图像识别领域中的应用带来了新的思路与方法,丰富了图像识别技术及其应用的研究思路,具有一定的理论意义和应用价值。