传统农业中,在不能确定农作物和杂草分布的情况下,使用除草剂方式都是大面积喷洒,不仅造成了除草剂的浪费,而且污染生态环境。利用机器视觉技术将杂草从农作物和土壤背景中识别出来,进行定位、定量的化学制剂施用是实现精细农业关键技术之一。目前,在杂草识别研究领域中,主要有利用植物的位置、植物的特征(包括形状、颜色、纹理、光谱特征)以及三维图像等多种方法。本文在总结国内外相关研究的基础上,以小麦、棉花田的杂草为研究对象,重点研究杂草的颜色特征、颜色与形状特征相结合的提取及识别方法,并设计和开发了杂草的图像处理及识别软件系统,实现对田间杂草的有效识别。针对小麦田中作物与杂草叶片有交叠情况,本文利用颜色空间YIQ中I作为特征量,并用改进的最大类间方差法分离植物与背景;然后在颜色空间HSI中选取I的同质性量和S作为特征量进行多层分割来分离小麦与杂草;通过逻辑与运算获得杂草二值图像;针对获得的杂草二值图像中出现的白色小区域与黑色孔洞,提出了基于区域标记的孔洞填充算法与小面积消去算法;针对识别后的杂草区域图像,采用模拟化学除草系统从理论上评价系统的除草效率。试验结果表明所提出的方法能有效实现小麦田中的杂草识别。本文还对棉花田的杂草进行分析,通过计算常见杂草叶片的圆形度、伸长度、离散度,圆度四个具有RST不变性形状特征参数及面积、周长等其他参数来建立杂草特征数据库,为杂草的识别提供数据模式。另一方面,针对杂草与作物叶片交叠的情况,提出了基于形态学运算的分割算法与基于标记的分水岭分割算法,为形状特征参数提取进行有益的探索。本文提出的田间杂草特征提取及识别方法,对实现后续除草剂的变量喷洒提供了理论支持及可行方案,对基于机器视觉的田间自动除草系统的开发具有一定的借鉴意义。