随着科技发展和图像信息的大量产生和交流,目标图像的自动识别和分类应用越来越广泛,同时实际应用问题对目标识别技术的要求也越来越高,计算机自动识别技术远没有满足实际应用需求。图像识别分类技术一般包括几个阶段:图像预处理、图像特征分割、特征提取和自动分类器设计等,其中特征提取的内容和方法尤为重要。特征提取为分类器提供所有依据,它的表征性能直接决定了识别分类的效率和精度。在实际问题中,特征提取可能受到背景、视角、光照、大小等噪声干扰,如何提取具有良好表征性能且受到噪声干扰较小的特征参数,是应用研究的重要问题。本文针对钢铸坯图像的分类和评测的实际应用问题,研究以铸坯图像为识别目标的特征提取技术。针对钢铸坯的主要缺陷—中心偏析,提出实际特征提取的内容和方法,分析处理特征参数数据。在图像分割的基础上,研究分析中心偏析的特性,提出特征参数提取的主要内容,主要依据图像像素点灰度和区域分布特性进行特征提取。针对图像分割的两种结果,提出全局阈值和动态阈值两组特征的提取。根据中心偏析区域特点,提出使用拟合直线方法确立偏析线方向,提出拟合方法并研究应用效果。利用拟合的直线,对图像像素点灰度值进行行投影,为特征提取提供依据。提出13种特征参数的提取内容和方法,将13种特征参数分为三类研究论述。依据特征提取基本原则对特征参数进行选择优化,选择10种重要参数组成特征向量,并针对识别分类具体问题提出分类特征向量。本文以针对具体问题构造新的特征提取内容和方法为主要研究方向,并结合样本图像进行数据分析和研究。对后期特征优化和分类器设计的研究不足,将在以后的研究工作中予以关注。