农作物病虫害分类识别研究既能帮助农民快速预防农作物病虫害,又能减少农药对生态环境的破坏。运用群体智能算法和图像处理技术能够有效解决农作物病虫害分类识别过程中所遇到的关键问题。本文以龙眼病虫害为研究对象,通过对群体智能算法的研究与改进,将群体智能算法应用在彩色病虫害图像预处理、彩色病虫害图像分割、彩色病虫害图像多特征提取以及彩色病虫害图像识别等方面展开研究。本文所做的科研工作总结如下:(1)针对传统粒子群算法应用在图像识别的各个环节目标优化时存在收敛速度慢和易陷入局部最优等问题,提出相应的改进思路。从两个方面来改进混沌粒子群算法:一是提出了一种基于混沌理论的二进制粒子群算法(CBPSO),通过将混沌变量相互转化离散的二进制向量,改善算法对离散问题处理的局限性,提升算法的处理速度;二是提出了一种基于自适应调整的混沌粒子群算法(ACPSO),通过对惯性权重的动态调整,提升算法的搜索效率,提高算法的搜索准确性。实验表明改进的算法在精度方面和稳定性方面是有效的。(2)针对彩色病虫害图像存在图像背景较为复杂、后期难以分割等问题,提出了一种基于混沌粒子群算法和模糊聚类的彩色病斑图像分割方法,首先将颜色空间由RGB颜色空间转换成HIS颜色空间,然后提出了一种混沌粒子群算法和模糊聚类相融合的算法(CPSO-FCM),将每个颜色分量经过算法处理后得到相应的分割图,最后通过颜色空间转换成RGB颜色空间,从而实现分割的效果。(3)针对农作物病虫害彩色图像噪声大,边缘模糊等问题,提出了一种基于Otsu和分水岭算法的彩色病斑图像分割方法,首先提出了一种不受反射亮光影响的因子的新彩色空间,然后采用数学形态学开闭重建技术对图像进行重建,减少和消除因细节和噪声干扰造成的分水线位置偏移,可有效解决分水岭算法过分割问题。与其他的分割方法比较,效果较好,性能有明显的提高。(4)针对病虫害识别的问题提出对特征提取的研究,给出了一种颜色、纹理、形状以及局部特征等多特征融合的特征表示方案。为了使得所提取的特征鲁棒可靠,对于颜色特征,给出新彩色空间和颜色矩融合进行特征提取与表示;对于纹理特征,将灰度共生矩阵与局部二进制模式融合进行特征提取与表示;对于形状特征,将Hu不变矩方法进行特征提取与表示;对于局部特征,对原有的SURF方法旋转45度后进行特征检测,并运用金字塔模型对特征进行描述。最后采用多种方法(主成分分析法、二进制混沌粒子群算法)对生成的特征进行优化选择。从实验分析结果可知,基于二进制混沌粒子群算法对生成的特征选择优于主成分分析法,同时说明此方法是一个有效的方法。(5)首先,针对彩色病虫害图像进行识别分类时,由于SVM模型的参数不确定性,分别采用自适应混沌粒子群算法与粒子群算法来获取SVM参数。然后将提取到的图像特征作为模型的原始输入数据,并对其进行分类,可克服传统SVM模型对农作物病虫害分类时所面临的随机性和盲目性。使用交叉验证法对不同的PSO算法参数进行实验,结果表明龙眼病虫害藻斑病ACPSO-SVM方法比PSO-SVM方法分类正确率低一点,其他病虫害的分类准确率均比PSO-SVM方法高,但从运行效率上看,ACPSO-SVM所需处理时间仅为PSO-SVM所需时间的88.94%,同时ACPSO-SVM算法实现起来也相对简单。本章所提出的基于自适应混沌粒子群算法的支持向量机的病虫害识别方法,具有较好的分类准确率,是一种有效的方法。