随着计算机视觉技术的发展,使用机器视觉技术进行杂草识别已经成为当前的研究热点。本文利用支持向量机在处理小样本,非线性问题方面的优势,将支持向量机应用于杂草识别中,以提高小样本杂草识别的准确性。本文选取东北地区甜菜与大豆农田杂草作为主要研究对象,对在自然光条件下使用数码相机获得的图像进行了研究,开发出了一套杂草图像识别系统,对30种田间杂草实现了智能识别。本文首先对所拍摄的杂草图像进行规格化,规格化后的杂草图像大小为256×256。为了从复杂的背景环境下识别出杂草植株,采用超绿色法对杂草图像进行灰度化。在对灰度图像二值化的过程中,提出了一种改进的大津法。该算法十分稳定,可以比较准确的获得杂草区域的二值图像。为了能消除二值图像背景上出现的白色小点,叶片上有小黑洞等情况,本文综合使用形态学处理、孔洞填充和小面积消去处理二值图像。之后提取了两个对植株有效的形状特征,植株的骨架面积比、骨架周长比。然后将目标二值图像映射到灰度图像,使用共生矩阵与Gabor小波对灰度图像提取纹理特征。将提取到的形状和纹理特征规格化成Stprtool要求的数据集格式,将数据集输入Stprtool进行处理。最后,将组合核函数与多项式核函数、RBF核函数进行了对比。通过仿真实验证明了正确选择参数的组合核函数对支持向量机分类器性能有所提高。