计算机视觉技术在现代生活中已获得了广泛的应用，高效的图像处理算法是计算机视觉技术能否获得成功应用的关键，与工业图像处理相比，植物的外形尺寸、形状、颜色是植物分类的重要外观特征。但植物生长环境内光照变化大，成像条件不理想，同时植物在外观表现上不能象工业零件那样具有规律性和可描述性，给具体目标的识别带来了很大难度。由于人眼只能识别几十个灰度级，但却可以辨别成千上万种颜色，而且彩色图像可以提供更为丰富的信息，故以数字图像处理技术为手段，探求能够适合较复杂环境的、能够处理复杂图像的、高效的彩色图像处理方法，是人们一直孜孜以求的目标。 本论文研究彩色图像的特征提取与分类问题，并具体通过对树皮纹理图像特征分析，利用SVM与RBPNN分类器对植物树皮纹理图像进行分类研究，达到对植物进行自动分类的目的。 首先对颜色空间给予较为深入具体的研究。对目前所提出的主要的颜色空间进行了归类分析，并对各种颜色空间之间的转换关系进行了论述。由于植物的颜色在生长环境中会发生一定的颜色变换，如在不同季节中植物的外观会呈现出不同的颜色，同时周围环境的变化，如水分、养分和日照时间的改变，也会导致植物外观颜色发生变化，因而图像的颜色特征很少应用于植物分类研究。但相对来说，相对于其他特征，颜色特征非常稳定，对于旋转、平移、尺度变化，甚至各种形变都不敏感，表现出相当强的鲁棒性，而且颜色特征计算简单。本论文首次将颜色特征引入植物分类，将植物树杆颜色特征矢量应用于植物分类研究。 其次，在基于内容的图像特征提取方面，分别介绍了图像的颜色特征、纹理特征和形状结构特征等三种提取方法。在图像的颜色特征提取方面，提出了一种接近人类视觉模型的颜色特征提取方法。该方法对RGB彩色空间进行压缩，然后将RGB颜色空间转换到HSI彩色空间，利用C-means聚类方法对图像颜色进行聚类分析；最后对聚类后的图像计算其统计特征，以其统计特征向量作为图像的特征。 在图像纹理特征提取方面，本文提出一种基于小波域的共生矩阵模型。首先对图像进行一层小波分解，获得原始图像的四个滤波图像；然后分别对四幅小波滤波图像进行量化处理得到四幅不同的图像；最后对每一幅图像利用共生矩阵提取纹理特征进行分类。 提出一种基于马尔可夫模型的转移矩阵图像特征提取方法。纹理在视觉表观