蒙古族家具纹样的识别分类主要依赖于人类的视觉感官,但由于历史的变迁、取样的设备、环境条件的影响以及其他外在因素的影响,致使蒙古族家具纹样受到影响,为了保护与传承蒙古族传统家具纹样,同时为蒙古族家具纹样的研究提供理论基础,实现蒙古族家具纹样的计算机自动化应用。为实现蒙古族家具纹样的增强与识别,本文以蒙古族家具纹样中的植物、动物、云朵三类纹样为研究对象,提出了基于自适应伽马校正（AGC,Adaptive Gamma Correction）-Quantile（分位数）蒙古族家具纹样的增强方法,同时提高了纹样的识别率。该方法将输入的蒙古族家具纹样RGB颜色空间转化为HSV颜色空间,由于H和S分量不会直接影响人类对图像的感知对比度,所以只对V分量应用分位数方法;其次,为突出纹样中的重要细节信息,通过自适应伽马校正方法来提高V分量的整体亮度。最后,将处理的V分量与未处理的H和S分量结合转换回RGB颜色空间,得到增强后的图像。（1）基于伽马校正与直方图均衡化图像增强方法（Gamma Correction and Histogram Equalization）对三种蒙古族家具纹样进行增强。（2）在研究分位数方法和自适应伽马校正方法的基础上,提出了AGC-Quantile方法,并将此方法与自适应伽马校正方法、分位数的图像增强方法、基于伽马校正与直方图均衡化图像增强方法进行客观分析比较,应用的评价指标为峰值信噪比（Peak Signal Noise Ratio,PSNR）、结构相似性（Structural SIMilarity,SSIM）和均方差（Mean Square Error,MSE）。（3）以蒙古族家具纹样中的植物、动物、云朵三种纹样作为识别样本,分别用本文提出方法和其他三种对比方法对三种纹样进行预处理,并应用利用亮度方差、角度方差、亮度梯度方差及均方比四种识别参数和支持向量机（Support Vector Machine,SVM）高斯核函数对增强后的纹样进行识别。本文提出了基于AGC-Quantile的蒙古族家具纹样增强方法,并与其他三种方法相比较,在算法的规范性、完整性,以及最终的增强效果都优于其他比较方法;经本文方法增强后的纹样识别率相比于其他传统方法有了较大的提升。