矿石的特征提取与分类能够实时反映采选现场矿石性质的变化,及时调整各流程上的负荷分配,实现整个生产流程的高效稳定运行。矿石的类型决定了其应用的领域及实用价值,而分类的效果由提取的特征数据影响,因此矿石的特征提取与分类具有非常重要的意义。基于计算机的智能分类系统比传统的人工筛分具有更高的效率,且能够提供更准确的分类结果。由于传送带矿石图像目标堆积,目标和背景不易区分。同时采集环境恶劣,使得采集图像昏暗模糊,使得对图像中各目标的准确分类非常困难。本文着重研究传送带矿石图像的特征提取与目标分类问题,矿石目标的特征提取是矿石准确分类的基础。因此,本文研究了多目标矿业复杂图像的颜色、纹理和形态特征提取方法。首先对采集到的高噪声且模糊的矿石图像进行预处理,在分水岭分割区域的基础上应用八链码技术提取区域的形状特征;并基于RGB和HSV颜色空间提取目标区域的颜色特征；同时基于统计方法的共生矩阵提取区域的纹理特征。为了综合考察提取出的形状、颜色和纹理特征,提出基于目标区域的融合特征提取技术,该方法能够综合考虑目标矿石的整体形态特征与内部细节特征,通过支持向量机对提取的目标矿石特征向量进行分类实验,分类结果不仅反映矿石目标的性质,同时验证特征提取方法是否有效。本文研究了对图像像素的颜色和纹理综合特征进行kmeans聚类,对图像分割后目标区域内综合颜色、纹理和形态特征进行支持向量机分类,及对目标区域内的颜色、纹理和形态特征经过PCA降维后进行支持向量机分类实验。结果表明形态特征有利于矿石目标的正确分类,目标识别率得到明显提高；提取出的颜色、纹理和形态特征进行PCA降维后也有利于矿石目标的正确分类。