农作物病虫害的爆发意味着农作物的大规模减产和品质下降,同时农户盲目施药也导致了农药残留超标、环境破坏等严重后果。随着计算机技术的发展,机器视觉技术的研究与应用已经扩展到农业工程领域。利用机器视觉技术检测和识别农作物病虫害,提供准确、可靠的病虫害诊断及防治意见,以达到合理施药,提质增产的目的,对促进我国现代化、智能化农业的发展具有重要意义。本论文以玉米农作物为研究对象,设计出适用于农作物病虫害诊断领域的分类识别方案,对图像病斑区域的精细化提取,并结合改进词袋模型实现玉米病虫害分类识别。本论文主要研究工作及创新点如下:(1)采集并分析玉米病虫害图像数据集。本论文主要采集玉米叶部病虫害图像用以进行测试实验,包括大斑病、小斑病、炭疽病等常见玉米病虫害类别,并对采集的图像数据集进行规格化。对数据集中玉米病虫害图像进行分析,得出病斑区域与无病状区域的颜色、纹理等方面的差异信息,作为病虫害图像分割及病斑提取的主要依据。(2)针对玉米病斑部位在图像中表现的特征,设计了基于演化算法的直方图二次分割方法。结合对玉米病虫害图像的分析,充分考虑病虫害病斑的颜色、纹理等特征,将图像色度与灰度组成二元组构建二维直方图,解决了一维直方图不能明显地区分目标和背景双峰分布的情况,同时改进了传统二维直方图应用在病虫害病斑提取的不足。运用了基于演化算法的OTSU二次分割方法,设计适合病虫害图像数据特征的染色体编码,并结合图像分析结果选择初始化种群,提高寻优效率,同时通过设定波动阈值,在最佳阈值的波动领域范围内继续搜索,实现全局搜索与局部搜索相结合。(3)借鉴导向滤波算法思想,实现了对玉米病虫害图像病斑区域的精细化提取。在病斑区域提取过程中,借鉴导向滤波算法的思想,利用灰度导向图进行引导,对图像分割结果进行滤波操作,设置权系数矩阵,针对在分割后病斑边缘、纹理模糊和粗糙位置进行恢复,优化病斑提取结果,更好地保留病虫害图像病斑的边缘、纹理特征。(4)通过对传统词袋模型各个算法模块的研究,融合病斑提取算法,设计应用于农作物病虫害识别的改进词袋模型识别方案。对农作物病虫害图像进行演化算法的区域提取,并采用Dense-SIFT进行均匀采样的特征提取,对提取的图像特征使用空间金字塔匹配方案映射到高分辨率空间中进行匹配,最后使用LIB-SVM对数据集进行分类。最后,通过病斑区域提取实验说明:本论文提出的病虫害图像病斑区域提取算法能够有效确定玉米病虫害图像中病斑位置,提取出具有细腻边缘和纹理的病斑,通过与基于阈值的传统OTSU算法、基于聚类的EM算法、G-MRF算法、SRG算法进行对比实验,证明本论文病斑提取算法的有效性和优越性。在此基础上,通过病虫害图像分类实验证明:本论文设计的应用于农作物病虫害识别的改进词袋模型识别方案提高了词袋模型对病虫害图像的识别性能,能够更加关注病虫害图像中病斑位置的特征,适用于病虫害图像识别领域,取得令人满意的结果。