将机器视觉技术应用于作物面积测量对于提高大尺度作物面积地面调查系统的效率，减少主观人为因素的影响具有重要意义。本文通过对国内外大尺度作物地面调查技术发展现状的深入剖析，提出用视觉测距和图像识别技术提取视频帧内作物分类面积，然后结合基于样条采样的统计抽样理论，推算县域级作物分类面积的方法，并在此基础上设计和开发了基于机器视觉的车载作物面积地面调查系统。论文的主要研究内容如下： 1.研究了能适应室外大光照变化条件的动态图像采集和快速预处理算法，提出了采用自适应调节光圈算法改善所采集图像质量和基于快速矢量中值滤波的预处理算法降低运算复杂度的方法。 2.提出了通过试验建立测距模型的方法，并对模型的求解方法进行了研究，确立了适合移动状态的垂直视野测量模型。 3.针对拍摄冬小麦和苗期玉米时，图像均为特定俯角下的斜视远景，分析了这两种作物图像中由行间距分布和叶片交叠形成的统计纹理，提出了基于纹理和颜色混合特征提取的分类识别算法，并以所设计的Fisher分类器和神经网络分类器进行了分类实验，实验结果表明，该算法能够较好地区分玉米和冬小麦。 4.开发了基于机器视觉的车载作物面积地面调查系统，确立了主要由视觉测距、图像识别和抽样统计三大模块组成的系统框架，并进行了系统硬件的选型配置和软件功能模块的设计。 5.为满足不同层次用户对作物分类面积的需求，利用样条采样方法设计了基于县域级的采样框架，并以通州为试验对象，利用所开发的作物面积车载测算系统(CAOES)实施了采样和作物面积估算，以当期TM遥感影像解译结果为真值来检验系统精度。结果表明，利用本文设计的采样框架抽样估算县域级作物分类面积，能够达到比较高的预测精度。