在黑龙江省的农业生产中玉米占据很主要的部分，对我国粮食安全及全国玉米市场影响较大。黑龙江省地域广阔、玉米产区很多，每年都会发生不同程度的玉米病害。近几年，不少研究学者将流形学习算法应用于植物叶部图像识别，与传统识别方法相比，基于流形学习算法的模式识别方法，图像识别率较高、不易遭到外界因素的干扰且运行效率较高。本文以黑龙江八一农垦大学试验田为采样点，对采集的样本数据首先进行图像预处理，然后依据流形学习算法，对玉米叶部病斑图像的特征提取、病斑识别方法展开系统研究。（1）利用流形学习算法中的主成分分析（PCA）、等度规映射（ISOMAP）、局部线性嵌入（LLE）和拉普拉斯特征映射（LE）算法对玉米图像进行维数约简实验，提取图像本征信息，然后采用K-means、K-medoids、FCM、GK和GG算法实现聚类分析。（2）对玉米叶片有无病害进行诊断。实验表明，对于灰度图像，采用LLE算法与GK算法的组合进行识别，且降为5--10维之间（提取5--10个特征）时正确识别率最好；对于彩色图像，将三维矩阵转化为一维矩阵再进行处理，任一流形算法与任一聚类算法的组合均可准确的识别出病斑叶片。（3）对玉米病斑种类进行分类。实验表明，对于灰度图像，本文中的方法对玉米病斑种类的识别率很低，这类识别方法并不合适；对于彩色图像，经过对比研究，采用LLE算法与FCM算法组合的方法正确识别率比较好。本文所用到的算法均使用Matlab7.1进行实现。实验结果表明，利用流形学习算法对玉米病斑进行识别的方法是可行的，便于人们实时、精确地识别玉米病害，及时治理，提高玉米产量。