在对智能车辆的相关技术研究中,导航技术是其核心技术之一。其中视觉导航需要实时的分析智能车辆所感知的图像信息,并实时的对数据进行处理从而达到识别的目的。面对图像信息的超高维数和庞大数据量,如何对图像数据提取有效的特征就成为分类识别的至关重要的部分。本文重点研究感知图像的特征提取方法。在分析了感知图像的统计特性之后,本文对图像采取分块策略,然后从颜色和纹理两个视觉角度对小块区域内的感知图像进行研究。从颜色视觉角度,本文分析了颜色空间的特性,实现了RGB空间到HSV空间的转换,并在HSV空间提取了感知图像的颜色矩特征。从纹理视觉角度,本文在分析了纹理特征分析方法之后,一方面实现了基于FFT的纹理特征提取方法,提取了周向和径向的图像的频率谱特征;另一方面采用近似于人类视觉皮层简单细胞感受野的二维Gabor滤波方法,对图像进行滤波,实现了基于Gabor滤波器的纹理特征提取方法。在对图像进行特征提取后,本文运用PCA和ICA变换实现对特征向量的降维,使得特征向量保存了感知图像二阶和高阶统计特性。本文最后对智能车辆所采集的多幅图像数据进行分析,首先提取了感知图像的颜色和纹理特征,采用基于SVM分类器的方法实现了对感知图像的分类识别;其次对特征进行ICA降维,对比特征向量降维前后的分类结果。