在智能自动化研究领域，目前具有群体智能特征的算法研究正受到越来越多的关注。作为群体智能的一种典型实现，蚁群算法正在受到学术界的广泛关注。它是由意大利学者M．Dorigo等人在1991年首先提出来的。它是继模拟退火算法、遗传算法、禁忌搜索算法、人工神经网络算法等启发式搜索算法以后的又一种应用于组合优化问题的启发式搜索算法。蚁群算法不仅能够智能搜索、全局优化，而且具有稳健性(鲁棒性)、正反馈、分布式计算、易与其它算法结合等特点。因此，蚁群算法已成为当前群智能领域中最令人感兴趣和最富有魅力的研究课题之一。本课题的主要工作包括以下三个方面：首先对蚁群算法进行基础理论研究，旨在对蚁群算法近年来的研究进展进行总结，归纳算法的成功应用领域和存在的不足，并对不足之处进行深入理论分析，目的在于提高蚁群算法的总体性能。第二，对纹理图像的特征函数进行深入的研究和分析，结合蚁群算法，确定了较全面反映图像特征的统计函数作为图像识别的依据。第三，根据蚁群算法的聚类和离散性等特点，本文提出一种有效而适用的图像识别聚类蚁群算法，对纹理图像和硬币图像提取出的特征函数进行聚类匹配，最终实现图像的识别。实验结果表明，本课题提出的算法具有较高的识别率，程序简单易于实现。目前国内外已发表的蚁群算法在图像处理领域应用的学术论文甚少，所以本课题将蚁群算法应用到图像识别领域，是一次有效的尝试。