针对缺陷图像表面复杂多变、特征不宜提取的特点,提出了一种归一化转动惯量特征和不变矩特征相结合的时域分析方法来构建缺陷图像的统计特征量,同时增加缺陷矩形框区域内压缩度、距离极值比和线度特征量作为缺陷分类的依据;提出了在缺陷频谱图像内提取特征量的频域分析方法,并将矩形框区域内所有像素点灰度平均值和灰度方差值作为缺陷分类的另一重要依据;同时将BP神经网络应用于缺陷图像的自动分类中,构建了系统的缺陷分类器,并对现场采集的常见6种缺陷类型进行了实验.结果表明,该特征提取方法在很大程度上提高了特征的分类有效性;该BP分类器识别率较高,现场整体识别率达到90%以上,在一定程度上解决了缺陷图像分类难的问题.