目前,模式识别已广泛应用于生物安防、自动生产、互联网支付等多个方面,模式特征指的是用于表征模式样本的观测,特征提取算法对整个识别系统性能有着至关重要的影响,较优的模式特征提取算法应该使得不同类模式的特征具有明显可分性,同类模式特征具有一定相似性。本文针对如何提高目标物或目标图像特征的代表性展开研究,对多种特征提取算法进行了改进。针对颜色特征提取算法,根据在某些特殊情况下原始颜色直方图特征提取算法的不足,本文提出一种加权改进算法,改进算法提取的颜色特征更具有代表性,在一般及特殊情况下都能得到代表性较高的图像颜色特征。针对形状特征提取算法,结合不同圆形度目标物的特点,本文提出了目标物覆盖矩形的概念,使得对圆形度较高的目标物形状特征描述更恰当,并对图像目标物多种形状特征提取算法进行阐述和总结。针对纹理特征提取算法,分析研究了纹理特征提取算法中的灰度共生矩阵算法及纹理谱特征图算法。针对灰度共生矩阵算法中像素对的提取误差,本文提出“伪像素点”概念,提高了像素对灰度值的准确性；并增加了四个选择方向,进一步提高了纹理特征的旋转不变性。针对纹理谱特征图算法不具有旋转不变性的问题,本文增加像素点排列方式,使得纹理特征具有一定旋转不变性；增加灰度值级别,改进的纹理单元具有更强的纹理描述能力。使用Brodatz图像数据库,结合BP神经网络分类器及支持向量机分类器对改进纹理特征提取算法进行验证,对识别正确率进行比较和分析。实验结果表明,相比原始灰度共生矩阵算法,本文提出的两种改进算法分类正确率更高,特征旋转不变性更强；相比原始纹理谱特征图算法,本文提出的第一种改进算法具有了一定的旋转不变性,第二种改进算法中纹理单元的描述能力更强,分类识别率更高。