奶牛识别是奶牛管理的重要组成部分，以前对奶牛的识别主要依靠人工识别，现在主要采用电子标签识别，而用计算机通过对奶牛图片的分析进行识别对奶牛管理是一个新的领域。本文对奶牛图像的识别分为三步：去除光照影响，图像分割和目标识别。本文提出了在YCbCr色彩空间中基于小波变换的同态滤波处理算法和基于子块的区域生长算法，同时对八邻域标记算法进行了改进。本文主要完成了以下工作：（一）去除光照对图像分割和识别的影响。由于光照在奶牛体表产生反光，使图片中奶牛的部分区域所呈现的颜色与原本的颜色不相同。本文提出了在YCbCr色彩空间中基于小波变换的同态滤波处理算法。首先将图像转换到YCbCr色彩空间，在亮度分量上利用小波分解以过滤不必要的细节并用同态滤波器去除光照。（二）为提高识别速度，本文在区域生长算法的基础上提出了基于子块的区域生长算法。以4×4子块为单位，先进行块内颜色聚类并提取其颜色特征和纹理特征作为子块的特征，再根据评判标准对子块进行区域生长。在得到初步的分割之后，本文采用基于Otsu的多阈值分割算法将目标从背景中分离，最后本文提出改进的八邻域标记算法对分割后目标内的裂缝和小洞进行修补。（三）在分割图像中选择面积最大的黑色斑纹作为识别目标。首先对目标进行平移和缩放等归一化处理，随后用三维B样条函数构造小波矩，最后计算小波矩，提取出特征值，将其与数据库中奶牛的特征值进行比较，得出识别结果。实验证明本文提出的识别算法能有效地对奶牛进行识别，识别率达到84%左右。