本文在总结国内外杂草特征提取及识别研究成果的基础上,对我国玉米的田间杂草特征提取及识别进行了研究。本研究以DSP为主要处理芯片,搭建了图像处理的软硬件平台,并针对玉米苗期田间杂草的特征,提出了相应的算法,最终识别率达到了95.0%,对后续定点变量自动除草系统的开发打下了一定的技术基础。论文的主要研究内容与结论有:(1)选用TI公司的TMS320DM642 DSP作为主处理芯片、合众达公司的SEED-VPM642作为图像处理的硬件平台,并把软件部分分为系统初始化、图像采集和存储、图像处理、图像显示四个模块,完成了图像处理系统的设计。(2)介绍了利用DSP提取感兴趣区域的方法,并通过对图像的颜色的分析,得出(2g-r-b)、(2G-R-B)、色度H三种颜色特征值都可以用来区分绿色植物和背景。在室内光照强度相对比较稳定的条件下,采用(2G-R-B)颜色特征值计算简单,处理速度快。(3)利用(2G-R-B)对图像进行灰度化,通过实验选择了适应性强、速度快的迭代自适应法求阈值对图像进行阈值分割,可以很好的将绿色植物从背景中分割出来。对于交叠不严重的植物经去噪和数字形态学运算后,可以得到完整的叶片图像。(4)针对叶片弯曲现象改进了求叶片长和宽的算法,在灰度图像和轮廓图像上提取了叶片的形状参数,并分析了无量纲参数,从结果可以得出:宽长比和第一不变矩能将玉米、窄叶杂草、宽叶杂草三大类植物区分开来;圆形度能将宽叶杂草从三大类中区分开来;而三大类的矩形度严重交叠在一起,矩形度不是有效的形状特征。(5)把180个样本分成训练集和测试集,通过正交实验确定了BP神经网络的结构,用训练好的BP神经网络进行验证性实验得出,训练集的识别率为99.2%,测试集的识别率为95.0%。