我国是全世界最大的烟草生产国与消费国，全球35%的烟草产出和32%的烟草销售均在我国。烟草行业正在飞速发展，所带来的经济效益也在逐年提高，连续多年纳税额超过万亿，成为国家财政收入的支柱产业。然而每年因为病虫害给国家带来了巨大的经济损失，其中两种害虫棉铃虫和烟青虫造成的损失十分严重，两者仅在烟草上稳定共存，属近缘物种且人眼不易区分。针对这两种昆虫成虫和蛹的特点，利用图像处理和模式识别技术展开烟草害虫自动识别技术的研究，该方法可以快速且准确地检测识别出待检验害虫，有利于我国烟草产业的信息化与现代化。本文的主要研究内容如下：
　　（1）烟草害虫图像的采集和预处理。室内人工饲养两种烟草害虫，利用工业相机采集棉铃虫和烟青虫的成虫图像，对采集后的图像进行了直方图均衡化、均值滤波等预处理，提高了原始图像的对比度和强化边缘细节信息等。利用工业相机、单反相机等分别对蛹采集图像，确定最佳采集设备。
　　（2）烟草害虫图像的分割。分别对图像进行RGB颜色空间和HSI颜色空间的转换，分析结果表明，成虫图像在S通道更利于分割，采用OTSU方法、直方图阈值法等分别对图像进行分割，结果表明直方图阈值法分割效果最佳。针对目标图像的噪声和内部孔洞，进行形态学处理和孔洞填充得到单一目标图像，以利于图像特征提取。蛹期R通道图像效果良好，可直接用于下一步特征提取。
　　（3）烟草害虫图像的特征提取。通过研究棉铃虫和烟青虫成虫图像的颜色、纹理、形态等特征，对成虫RGB图像提取颜色矩特征、对其B通道图像提取基于灰度共生矩阵和差分统计矩阵的纹理特征以及七阶不变矩形态特征，形成一个36维的图像特征空间。分析两种害虫蛹期图像在纹理上的差异，提取其R通道的基于灰度共生矩阵的纹理特征，形成16维的图像特征空间。
　　（4）烟草害虫图像的特征优化和分类。利用模拟退火算法对成虫图像原始特征空间进行了优化降维，选择出B通道二阶矩、G通道三阶矩等15个优化特征，采用支持向量机作为最终分类判别工具。样本集中成虫图像共400张，每种100张，其中280张用于训练，120张用于测试；蛹期图像共280张，每种70张，其中200张用于训练，80张用于测试。针对两类四种成虫进行分类判别，识别率达到了95.83%，较优化前提高2.5%，时间效率提高32.47%；针对两类害虫雌雄蛹进行分类判别，棉铃虫和烟青虫雌雄蛹的识别率分别达到82.5%和87.5%。实验结果表明，基于图像识别技术对烟草害虫成虫分类及雌雄判别是有效的，对蛹期雌雄分类是可行的。