图像识别的目的在于用计算机自动处理图像信息,以代替人去完成图像分类及辨识的任务。数字图像处理与识别技术是模式识别领域一个重要的研究方向,近几十年来,图像识别技术取得了深入和迅速的发展,并广泛应用于图像遥感、机器人视觉、生物医学、地质勘探等多个领域。本文针对工程应用中电子手簿系统的实际需求,为完成环境信息的智能录入,实现地面环境图片的自动判别,研究数字图像识别技术在智能手机上的实现方法,对地面环境进行拍摄存储、预处理、特征提取、识别与分类等操作。论文的主要工作包括三部分：图像识别算法研究、基于移动智能手机的图像识别系统设计与实现、针对地面环境图像的自动识别测试。论文详细讨论了数字图像识别系统各环节的常用算法,从运行时间及实用效果的角度出发,确定了适用于智能手机的图像处理算法。对图像进行灰度拉伸等预处理,使用灰度值统计、空间灰度层共生矩阵、模板算子提取图像的颜色、纹理与边缘特征,并基于BP神经网络与SVM算法进行图片识别,实现智能手机平台上的图像识别与分类系统。论文针对智能手机处理速度较慢、内存资源较小的局限性,采取一些特殊考虑与处理,以加快系统运行效率,提高系统实用性。包括内存复制法提取像素信息、转换已分类图片格式、将识别算法的样本训练步骤移植到PC机实现等。论文的智能手机图像识别软件基于Visual Studio 2005的.NET智能设备开发框架,使用C#语言编程实现。系统测试表明,该系统能够对泥土、草地、石头等地面环境进行拍摄并显示图片,对未分类的图片进行识别与分类,对已分类图片按照类别存储并浏览。