烟草制品在国民经济中占有重要地位,烟叶产量和质量受病虫害、生长环境以及种植方法影响,其质量直接影响着消费者的健康状况和烟制品的销售。传统的烟叶病虫害识别方法主要依赖于人工判别,易受人为等主观因素的影响,识别效率和精度均不够理想。图像处理技术的迅猛发展,为研究人员能够快速准确地识别和检测病虫害提供了坚实的基础。本文主要以烟叶病害为研究对象,对烟叶病害识别中的若干关键问题展开研究。论文的主要工作和创新点如下:(1)针对烟叶病害的复杂背景,提出了一种新的基于区域的活动轮廓模型方法,采用新的spf函数进行演化,达到分割出叶面轮廓的目的。以烟叶病害图像、黄瓜病害图像和青菜叶子图像为例进行实验,其实验结果表明,本文方法能够较好地去除图像中的复杂背景,减少对病斑分割的干扰,获得比较完整的叶面轮廓。(2)为了能够准确地分割出烟叶病害图像的病斑和识别所患病害的种类,提出了采用高斯平滑和Robert交叉梯度锐化的方法对图像进行预处理,以增强叶片病斑图像的边界信息和纹理信息,提出基于Lab颜色空间的形态学分割方法来分割出烟叶病斑,结果表明,该方法能够很好地分割出烟叶病斑。结合烟叶病斑的形状特征和纹理特征,提取相关参量进行烟叶病害种类识别。(3)针对烟叶病虫害相关信息杂乱,不易查找,资料收集困难等问题,设计了烟草病虫害信息库,该信息库不仅包含烟叶病虫害的相关信息,还具有管理数据库和服务用户的功能。烟草病虫害信息库的建立,不仅仅为农业工作者和其他研究人员提供了一个较好的资源平台,而且该信息库使用方便,用户既可以自由查询和下载资料,还能对信息库中的信息提出意见。