智能车辆是一种具有环境感知,规划决策,自主驾驶等多种功能的综合系统。智能车辆在军事、民用和科学研究等领域都具有广泛的应用前景,其核心部分在于利用传感器装置对周围环境进行理解与判断,并在此基础上进行规划和决策从而实现自主或半自主行驶。虽然智能车辆在高速公路上行驶的速度要求较高,但由于其具有结构化特点从而对环境的感知比较简单。然而对于室外或野外的草地,土地等非结构化环境感知存在光照,天气及地面不规则等复杂多变的因素,使其具有一定困难和挑战本文分析了彩色图像的结构特点,研究了常用的颜色空间和常用的纹理描述方法,并使用RGB空间提取出一阶原点矩,二阶中心矩和混合中心矩作为颜色特征；在YIQ空间中使用Y分量的改进的离散余弦变换(Discrete Cosine Transform, DCT)提取纹理特征,同时采用高斯混合模型(Gaussian Mixture Models, GMM)对不同类别和光照环境下的特征进行建模,可以很好的统计不同表现的环境特征。使用贝叶斯信息准则来确定GMM组成的模型数目从而提高分类性能,另外还综合自身环境特征的类别信息与邻域内的类别信息共同决定某一尺度大小的环境图像的类别。实验结果表明,使用结合颜色特征与纹理特征的GMM分类方法对复杂环境的彩色图像进行环境分类具有良好的分类效果。