苹果产业对陕西和甘肃等地区的经济有着重要的影响,是黄土高原地区的特色产业之一。由于得天独厚的自然条件,黄土高原地区的苹果品质十分优良。近年来苹果产业蓬勃发展,种植面积不断扩大,但是由于自然灾害和治理不当等原因,苹果病虫害频发,严重影响了苹果的产量。针对黄土高原苹果病害频发又得不到及时有效治理的问题,本文对该地区苹果叶面比较常见的病害:斑点落叶病、花叶病和锈病进行了相关的资料调查和研究,并采集了相应的图像作为样本,应用图像处理技术对图像进行处理和特征的分析,开发出苹果叶面病害识别系统,最终实现3种病害的识别。本文的主要研究内容如下:(1)针对复杂背景下的苹果叶面病害图像特点,深入研究了图像预处理中的去噪和病斑分割问题,建立了完整的预处理流程:采用三段线性法对图像进行灰度变换,扩展灰度动态范围;利用改进的中值滤波方法对图像进行滤波处理,该方法可以有效地去除噪点,增强图像信息;将图像由RGB颜色空间转化到L*a*b*颜色空间,并使用K均值聚类方法将叶面与背景分割,然后采用改进的最大类间方差法对分离出的叶面图像进行分割,得到病斑图像。实验表明,这种病斑分割方法可以达到较为理想的分割效果。(2)研究了苹果病害图像的有效特征的提取,分别从颜色特征、形状特征和纹理特征三方面对测试对象进行实验,提取病斑的H方差并绘制H-S直方图作为病斑的颜色特征,根据病斑的几何特征和Hu不变矩提取病斑的形状特征,采用灰度共生矩阵对病斑纹理进行分析,从实验中的22个特征优选出13个作为分类特征参数。(3)研究模式识别相关方法和支持向量机模型,并通过与贝叶斯(Bayes)决策方法、人工神经网络方法优缺点的比较,选用基于支持向量机的病害分类模型,根据一对一投票策略设计出多分类情况下支持向量机的分类器模型,测试并确定其模型参数,对优选出的13个特征进行分类训练。(4)本文采用C#代码做编程实验,并在C#平台中加入Matlab程序接口,开发出识别系统。实验结果表明,该分类方法能够对3种苹果叶面病害图像进行有效识别,可以满足苹果病害智能诊断的需要。