极光作为太阳风与地球磁层相互作用产生的典型电离层踪迹，其形态和变化过程对研究空间天气活动极为重要。日侧冕状极光作为极光一种重要形态，能够反映磁正午时期太阳风和地球磁层相互作用的过程。因此，研究各类日侧冕状极光对分析空间天气活动，电离层及其动态特征具有重要意义。　　 本文提出了一种新的基于静态极光图像分类的极光特征提取方法，利用X-GLAMs提取极光原始图像的纹理特征。结合极光纹理特点，X-GLAM选取典型邻域点组成新的邻域机制。在分类阶段，利用支持向量机(SVM)学习极光纹理类别模型，然后将给定的极光纹理特征分类到之前学习的类别模型中去。实验结果显示，基于X-GLAMs特征的日侧极光图像分类算法在处理复杂的冕状极光时获得了很好的效果。　　 针对大规模待处理的极光样本数据，本文提出了一种基于特征选择的日侧极光分类算法。为了降低噪声影响并解决特征维度过高的问题，引入ReliefF算法对X-GLAMs特征进行选择，进一步筛选出有效的特征向量。本文提出的特征选择方法在保证计算精度的前提下，一定程度上减小了实验运行速度，为大规模处理极光样本数据创造了基础。实验对X-GLAM和BGLAM两组特征集进行了特征选择前后分类的对比实验，其中所有数据都来自我国北极黄河站真实的极光数据库。实验证明了本文提出的极光分类算法的有效性。