林业病虫害防治是林业建设中一项极为重要的内容,如果防治工作搞不好,不仅影响林业建设的进程,同时也将影响生态环境建设的进程,对我国经济的持续发展极为不利。为了使一些非专业人员也可以对林业害虫进行准确的识别和分类,从而及时的预报,有必要设计一个林业害虫分类器。基于这个目的,本课题选取了三类林业害虫为研究对象,构建了一个基于分形理论和支持向量机的林业害虫识别与分类系统。为了得到较精确的林业害虫图像的特征参数,从而更好的对其进行识别与分类,首先,对采集到的害虫图像进行一定的预处理。然后,基于分形理论中DFBR场模型方法,通过判断参数H值范围来获取害虫图像的边缘,并据此实现了图像分割；为了保持提取的特征参数的稳定性,选用数学形态学方法实现足与触角的去除。在此基础上,提取了林业害虫图像的几何形状特征,又利用差分盒维数法通过求取林业害虫图像的分形维数提取了害虫的纹理特征,对上述特征进行归一化和选择,将最后选定的特征作为分类器的输入向量。考虑到本课题中获取的林业害虫图像的样本数目并不是很多,及支持向量机在解决有限样本学习、非线性及高维学习问题上的良好表现。最终选择用SVM方法设计分类器,来实现林业害虫图像的识别与分类。并通过实验,比较了在不同核函数下的分类效果。本课题研究表明：将分形理论和支持向量机结合起来构建的林业害虫识别与分类系统能够有效地实现对不同种类林业害虫的分类,在林业病虫害的预测预报中有很大的实用价值。