随着地理信息系统(GIS)的不断推广和应用，数据质量问题越来越引起普遍的关注。图纸扫描矢量化作为目前一种流行的GIS数据采集手段，它给GIS数据质量所带来的影响也日益受到重视。而工程图纸矢量化的关键技术-工程图纸的计算机自动输入识别技术是一个国际上公认的难题。本文选取常用电气符号作为研究对象，通过提取符号的不变特征来完成符号的分类识别工作，避免了像素跟踪和函数拟合的过程，有效地简化了矢量化的过程。 本文首先对图像变换和图像滤波的各种算法进行了研究，分析了各个算法的处理效果，根据实验试验结果提出应结合图像本身的特点选择合适的预处理方法，并运用小波变换对图像进行压缩变换和滤波处理。 其次，对现有的图像分割方法进行了归类总结，对边缘检测方法进行了研究，并重点对阈值法分割图像的方法进行了分析，提出了自适应阈值的分割算法。与直方图法和最大类间方差法对比，自适应阈值分割方法对本文所选的图纸具有较好的分割效果。 最后，针对Hu不变矩对连续图像具有旋转、缩放和平移不变性，但是对离散的图像不具有缩放不变性的特点。本论文进行了相关的改进，使改进后的HU不变矩具有针对离散图像的旋转、缩放和平移不变性。通过提取电气符号的不变矩，将其作为神经网络的训练样本，得到神经网络模型用于电气符号的分类识别。试验证明，该模型具有较好的识别性能，识别率在90％以上。 论文运用VB6.0和Matlab混合编程，应用上述研究结果实现了图像的预处理、图像分割、图像特征提取、训练神经网络、图像识别等功能。