作为一名来自于老挝的留学生,来到中国留学之后,深刻感受到图像处理在老挝国内发展的速度比较缓慢。图像特征是物体普遍存在的固有空间属性,而纹理特征、色彩特征、文字特征提取是网络版民族特色图像处理、分析与应用的前提步骤,所以从图像中提取有效合理的特征值是准确识别图像信息的关键。图像固有特征分析技术被广泛应用于图像的识别、分类、分割、合成、检索等基于纹理的图像数字化处理,所以一直是数字图像处理领域的活跃研究内容。其中,在民族特色识别领域,虽然已经衍生出许多相关的优秀技术与算法,但利用基于概率统计分析方法的GLCM（灰度共生矩阵Gray level co-occurrence matrix）算法进行民族特色图像特征的提取与分析仍然是一个尚未过时的研究领域,采用神经网络算法进行模型深度学习也是当下热点。可视化应用平台是承载应用功能的容器,而一个访问便携、性能稳定、功能丰富的应用平台才能得到用户的青睐,所以设计一个基于网络的人性化的民族特色图像处理识别平台便是本论文设计的初衷。本论文主要研究的内容是基于C++语言和可视化应用开发工具Xojo,对网络版老挝民族特色图像,包括服饰、头饰、耳饰及鞋履。利用基于共生矩阵算法进行图像特征提取和基于RBM-BP（Restricted Boltzmann Machine-Back Propagation）神经网络算法图像特征识别分析,并完成搭建一个网络版的图像识别平台,即最终目标是将该应用部署到INTENET之后,用户可以通过任何智能手机或电脑设备的浏览器软件,在任何地点进行访问和操作,对任何灰度或彩色纹理图像进行特征识别的功能。其中,提出了基于权重排序的纹理特征参数组合优化,使提取的15个图像特征参数得到合理有效的利用。识别算法采用了RBM-BP神经网络算法,设计研究中发现了传统梯度下降RBM算法在图像特征识别过程的缺点与不足,优化了RBM算法,采用了多线程的散度对比RBM算法进行识别,通过对比实验,验证了优化方法的可行性和高效性,提高了系统的识别性能,本文选用了4类图像特征的37个样本ROI的图像特征参数作为训练集,最终对4类7幅图像进行测试,得到各类的样本图像识别率均为97%以上。本论文设计已经顺利完成搭建一个网络版民族特色图像识别处理系统,经过对4类民族特色图像的实验测试,系统界面和功能均达到了设计指标要求,从而为老挝图像特征提取等研究提供相关技术建议。