现今,图像识别在农业工程领域已得到大量应用,用来检测作物生长状态、病虫害预测和安全诊断情况等。特征提取算法作为整个识别过程中的重要环节,影响着最终识别分类结果的好坏。特征提取目标主要集中在农产品的形态、颜色、纹理这三点。野生食用菌的自动化采摘需要提供一定的识别技术,并且后续加工过程需要进行有效的分类,实现这些目标的前提条件是对食用菌进行特征提取。本文基于常见野生食用菌图像提出了改进的特征提取方法,有效的提高了图像识别的准确度。1、本文以大兴安岭地区的常见野生食用菌为研究对象。首先采集自然环境状态的食用菌图像500余幅,建立野生食用菌数据集,运用MATLAB编程软件和图像处理方法,对野生食用菌图像进行图像采集过程、图像处理过程以及图像识别过程的研究。2、图像处理的目的是为了有效地提取食用菌的特征参数,提高检测的准确度和速度。本文对采集的食用菌图像进行有效的增强去噪处理,分割出目标图像,进行数学形态化的加工和处理,为野生食用菌特征提取提供实验目标清晰、边缘完整的图像。3、研究食用菌的HSV颜色空间量化方案融合形态特征的提取方法。通过对比不同的颜色空间,提出改进的16:3:3的颜色量化方案,提取H、S、V颜色分量直方图,并融合形状特征运用Otsu算法进行识别。采用综合评价指标对实验结果进行量化评价,研究表明,食用菌识别率标达到了91.33%,平均识别一幅图像的时间为3.28s。4、研究食用菌的菌褶纹理特征提取方法,提出采用离散小波变换、局部三值模式和旋转不变的灰度共生矩阵相结合的方法,提取了12个有效特征值参数。对相似食用菌采用了FCM聚类和支持向量机算法进行分类识别,并与现有提取方法对比分析得到99.7%的分类正确率。通过类间评价方法对比分析,得出本文方法可以有效的对野生食用菌进行一定的分类识别。通过本文的研究能够有效的识别出野外生长环境下的食用菌,可以对相似食用菌进行分类识别。为野生食用菌的自动化采摘、贸易出口提供了技术支撑和有力条件。