物体的自动识别一直是图像处理和人工智能方面研究的热点。地物中树种的识别在遥感图像精细识别领域一直是一个难点，不同的树种在遥感图像上仅仅表现出非常细微的差异，这种差异源自色调、纹理和形状等多特征的复杂组合。为此，本研究试验、比较、评价和筛选了目前较常用的遥感图像特征提取算法／方法，并进行了树种识别分类的试验。 本研究以1：5000彩红外航片为信息源，试验并编程实现的自动识别分类方法包括：基于图像色调的直方图特征向量、颜色矩和区域色调标准差方法的树种分类；基于图像纹理的灰度共生矩阵、灰度梯度共生矩阵、自相关函数模型、分形纹理模型、灰度基元共生矩阵、小波变换纹理和傅里叶能量谱方法的树种分类；基于边界形状的边界不变矩、边界走向直方图、圆形度和矩形度方法的树种分类等。并提出了各种方法使用中应注意的问题和对各自分类的精度进行了评价。研究结果表明，对于类似树种这样的细微差异特征识别，多特征综合分析要远远好于单纯使用色调、纹理或者边界中的某一种特征进行分类。 最后，还对多特征图像分类的发展方向和实际应用中应注意的问题进行了分析。