植物病害是造成农作物产量和品质下降的原因之一,而石榴作为我国西北地区广泛种植的果树,其产量是果农经济来源的重要保障。为准确判断植物叶片病害,在总结国内外相关研究成果的基础上,针对石榴病害图像的实际特点,以四种石榴叶片病害为对象,研究病害图像识别方法,并通过实验验证其有效性。论文主要从以下几个方面进行研究:（1）石榴叶病区域分割。针对植物在复杂度不同的背景情况下不能同时完全分割的问题,提出一种加权的二次聚类分析算法对病区图像进行分割。与RGB、HSV、L*a*b*颜色空间和相应的颜色分量直方图相比,针对a*和b*分量颜色分布区域差异较大的特点,结合聚类分割方法,以每一簇中的数据点占全部数据的比例作为权重分配准则。实验结果表明,二次聚类分割方法能对复杂背景和简单背景下的病斑彩色图像进行完整的病区分割,并能保留病斑的细节,有效提高图像病斑分割的精度和速度。（2）病区图像特征提取。针对石榴叶病图像病害区域的多种复杂特征,存在无法统一和高维度的问题,提出一种双特征优选的特征提取方法。在HSV颜色空间中,利用颜色矩法提取三个颜色通道的9个低阶矩,提取灰度共生矩阵4个方向上纹理特征的均值和标准差。最后采用双特征优选的主成分分析法对获得的19个特征进行降维,得到5个融合后的特征作为分类模型的输入。（3）建立病害识别模型。针对病害特征之间相关性的影响,提出一种改良的BP网络识别方案。通过改变模型参数和设置网络误差优化BP神经网络模型,对石榴四种病害进行分类和识别,并与采用一对一法构造的多分类支持向量机进行比较。实验结果和实验数据的统计分析表明,优化后的BP网络模型对这四种病害的平均识别准确率达到93.75%,同时提高了识别速度,具有良好的分类性能。通过研究不同复杂背景下石榴叶病图像分割识别的关键算法,在小规模石榴叶病样本图像上取得了良好的实验结果,为果农及时进行疾病防治提供了必要的信息,并为实时诊断和识别提供技术支撑。