图像作为人类最重要的信息来源,有着直观性、易理解性。随着科学技术的发展,尤其是计算机和数字图像技术的发展,出现了很多新理论,新方法,新算法,新手段和新技术,而且在科学研究、农业监控、工业生产等方面得到了应用,对社会的发展,人们生活水平的提高都有很多的贡献。在精准农业尤其是大棚农业的相关管理中需要对生长作物的生长信息,进行有效地采集和提取,使用这些图像信息就可以用来对它的生长状况或者果实的采集,杂草的清除,各种营养的喷洒等进行控制。本文在总结国内外相关研究的基础上,以大棚植被图像为研究对象,重点研究图像的颜色特征,图像灰度特征,以及对于图像分类特征的提取及识别方法。针对在杂草图像分割方面的存在不足之处,结合超绿特征分割算法和SOFM网络,构造出一种杂草图像识别模型G-SOFM空间聚类模型。该方法通过在超绿特征的处理之后,使用超绿特征的灰度和归一化的两个特征向量,实现SOFM空间聚类。实验结果表明改进的G-SOFM方法比超绿特征分割平均提高20%。本算法结合后期形态学去噪后,识别正确率可达94%。文中还给出,在获取图像特征后,对其进行空间变换,然后对变换后的空间进行特征聚类,该算法提高了聚类效果,最后在嵌入式平台进行了可行性测试,结果表明算法具有可行性。