水稻杂草对水稻生长带来极大危害,它是长期适应水稻耕种、气候、土壤等生态环境而生存下来的,具有很强的适应能力。杂草与水稻争夺养分、水分及光照等,易于助长病虫害的滋生和蔓延,降低水稻产量和质量,给水稻粮食生产造成巨大损失。面对严重的水稻杂草危害,目前主要的除草方式有人工除草和化学除草。人工除草需要大量劳动力,效率低；化学除草由于高效的除草能力而备受广大农民的青睐,成为目前最主要的水稻除草方式。化学除草一般采用大面积喷洒农药,这种喷洒方式不仅提高了农业成本,而且破坏了土壤质量,污染了环境,不利于农业的可持续发展。大量实验表明水稻田间杂草分布是不均匀的,因此要研究一种变量喷洒的方法,即在有杂草的地方喷药,在没有杂草或杂草密度低的地方停止喷药。为实现变量喷药,首先要实现对水稻田间杂草的实时识别。本研究以DSP为主处理芯片,搭建水稻杂草识别系统,实现对水稻杂草的实时识别与标记,为后续定点变量喷药除草系统的开发奠定基础。本论文主要研究内容、结果与创新点包括：(1)选用TI公司的TMS320DM642为主处理芯片,搭建水稻杂草识别硬件平台,完成水稻杂草识别算法编程,实现系统对水稻杂草的实时识别与标记。(2)研究提取水稻田间图像感兴趣区域方法,通过对各颜色特征的分析,得出2g-r-b、2G-R-B和色度H三种颜色特征值都可以用来进行水稻田间背景的分割。对于水稻、杂草与背景的分割,提出结合超绿和超红颜色因子组合,应用最大类间方差法实现对水稻田间背景的自动分割；(3)研究水稻田间图像采集方法,提出针对此采集方式的杂草区域分割算法,实现对水稻田间杂草区域的识别,并完成对杂草区域的区域标记和面积计算；(4)在对五种水稻田间杂草(稗草(Echinochloaphyllopogon Koss)、矮慈菇(Sagittaria Pygmaea Miq)、丁香蓼(Ludwigia prostrata Roxb)、四叶萍(Marsilea quadrifolia)、鸭舌草(Monochoria vaginalis Presl))的特征提取上,利用非均匀量化的直方图提取颜色特征,提高系统识别鲁棒性。利用灰度共生矩阵提取纹理特征,压缩了杂草图像的灰度级,减少了3/4的计算量,降低杂草特征提取的复杂度；在对五种常见水稻田间杂草的种类识别种,分别应用贝叶斯、支持向量机以及BP神经网络三种分类器对颜色参数集、形态参数集、纹理参数集以及所有参数集进行了种类识别研究,结果表明,BP神经网络在水稻田间杂草种类的识别中更具优越性；