柑橘是世界第一大水果,但是其生产过程却受到溃疡病的巨大威胁。传统的病害检测方法不能满足现代生产需要。本文以计算机视觉系统为主要手段,综合利用数字图像处理、统计学习、模式识别等技术,提出了一种快速检测柑橘溃疡病的方法,并在此基础上实现了柑橘溃疡病自动检测系统。围绕柑橘溃疡病的自动诊断这一课题,本文的研究工作主要包括以下几个方面:探讨了柑橘溃疡病的特征提取算法。尝试了不同的颜色与纹理特征提取算法,并将其应用到到柑橘溃疡病的识别问题中,从中选取对溃疡病识别有利的特征,为类似的病害检测问题提供经验。改进级联AdaBoost分类器用于柑橘溃疡病识别。具体的改进策略是在级联AdaBoost分类器的每一级中并行引入辅助判决函数,当样本被级联框架中的某级AdaBoost分类器判为假后,使用该级的辅助判决函数对其进行二次判决。辅助判决函数不仅考虑了当前级分类器的判决结果,还考虑了前面分类器的历史判决信息。柑橘溃疡病识别问题的实验结果表明,该方法与其他级联分类器结构相比,能获得更好的检测效果。针对柑橘溃疡病病斑局部自相似性的特点,提出了一种基于窗口合并的识别搜索方案。基于窗口合并的方法采用先局部后整体的思想,先将图像划分为小窗口,对小窗口进行识别,即搜索病斑的局部,识别完成后再将局部合并起来组成一个整体进行二次识别。由于对小窗口的检测没有重复检测,因此能够大大减少搜索时间。实验结果表明,针对柑橘溃疡病检测问题,窗口合并的方法比常见的金字塔搜索与滑动窗口搜索有更高的检测率与更快的速度。对论文提出的方法进行了实验探索,设计并实现了柑橘溃疡病检测的原型系统。系统诊断分为本地诊断与远程诊断两个部分,远程诊断子系统包括专家诊断,可以对系统检测效果不佳的叶片进行专业性的诊断。最后在总结全文的基础上,提出了若干有待进一步深入研究和探讨的问题。