随着科技的发展，图像识别技术在社会生产和生活领域有了广泛的应用，尤其在水果自动识别领域，应用图像处理和识别技术已变得越来越具有吸引力。水果图像的自动识别大大减轻人工的劳动强度，同时缩短了分类时间从而提高了生产效率。不仅如此，其在图像处理和图像分析的各个方面如目标的监测及统计测量方面也有重要的实际意义。在水果图像的特征提取和分类问题上，虽然研究者不断探索新的方法，寻求最有效的特征向量，但仍不能达到很好的识别率，而且速度问题也成为整体性能的一个制约。本论文主要对水果图像的特征提取及分类算法进行研究，希望能提供准确、及时、科学的识别结果。 首先在图像分割中，采用了水果图像先经过预处理，然后通过RGB的分割技术从而得到水果分割后的边缘图像和二值图像，为水果定位和分离做准备。水果定位方面，主要针对水果中的类圆型果体，研究解决由于光照不均匀、几何形变、摄像头角度等原因产生的中心点不唯一问题。 在实验中对图像中的水果进行准确定位和分离的基础上，利用计算机对水果的形态特征、颜色和纹理特征进行提取和研究，为以后基于模式识别技术对水果图像进行识别作基础。最后将水果的形态特征、颜色特征和纹理特征及改进的FCM聚类算法应用到识别中去，做出进一步更准确的分级和分类结果。 FCM聚类算法是一种有效的水果图像识别方法，它不但能从图像中提取特征，还能对已经得到的特征进行优选，并在提取特征的基础上设计分类器。但它的初始聚类中心一般是随机产生，与最终迭代结果相差很大，因此本文采用层次聚类的聚类中心作为FCM聚类算法的初始中心，提高了聚类速度和准确性。同时与基于线性判别函数分类器的分类结果进行比较，得到改进的FCM聚类算法具有较好的识别率。