近年来,随着图像处理技术和模式识别理论的发展,纹理分析与识别理论的研究取得了一系列的突破,纹理分析对于图像特征提取、图像分析和识别、计算机视觉等有着重要意义。但由于图像纹理分析的复杂性,使得图像纹理分析问题成为数字图像处理和模式识别中最具吸引力、最困难的问题之一。本文采用白桦、红松、落叶松、水曲柳、柞木五种木材纹理图像作为研究对象,通过灰度变化、图像去噪、直方图修正,图像锐化等图像预处理技术,得到便于计算机处理的图像。在数学上马尔可夫随机场是很好的表达纹理集聚的概率模型,它的统计参数能够表现出邻域像元集合的大小和方向,可以合理的描述出图像纹理的随机特性。而灰度行程能很好的描述对基于纹理中基元的长度和灰度级的连续概率。结合二者特征参数形成综合特征参数体系,便于分类和识别。由于传统贝叶斯分类器的局限性,很难对木材纹理进行最优的识别分类。因此本文选用这种方法对木材纹理综合特征的26个特征参数进行处理,并在最小错误率的决策下配合ART神经网络分类器使用。实验结果表明,应用该分类方法进行图像分类识别,能够获得较高的分类速度和较好的分类效果。