随着计算机技术和数字图像技术的发展，出现了很多新方法、新理论、新算法、新手段和新技术，并且已经被广泛应用于科学研究、农业监控、工业生产等方面，促进了社会的发展和人们生活水平的提高。特别是在大棚农业的相关管理中需要对作物的生长信息进行有效地采集和提取，使用采集和提取的图像信息就可以对它的生长状况、果实的采集、杂草的清除及各种营养的喷洒等进行有效地控制。本文在总结一些相关知识的基础上，重点研究图像特征、图像灰度特征以及对于图像分类特征的提取及识别方法。针对杂草图像分割方面存在精确度不高的不足，结合超绿特征分割算法和SOFM网络，构造出一种图像识别模型G-SOFM空间聚类模型。该方法通过在超绿特征的处理之后，使用超绿特征的灰度和归一化两个特征向量，实现SOFM空间聚类。实验结果表明，改进的G-SOFM方法比超绿特征分割方法平均提高百分之二十。本算法结合后期形态学去噪后，识别正确率高达百分之九十以上。文中还给出，在获取图像特征后，对其进行空间变换，然后对变换后的空间进行特征聚类，该算法提高了聚类效果，最后在嵌入式平台进行了可行性测试，结果表明算法具有可行性。