随着信息技术的飞速发展和计算机视觉相关理论的不断成熟，利用机器视觉进行目标识别的相关研究开展地越来越广泛。行人再识别与农作物病虫害识别均属于这一研究领域，并都具有重要的现实意义。目前这两种识别的研究都已经取得了一定的进展，但仍然面临很多挑战，可概括为以下两大方面：一是特征表示方面，缺乏足够鲁棒的特征表示模型；二是特征匹配方面，缺乏足够理想的相似性度量方法。这些问题如果不能合理解决，将严重影响最终的识别准确率。应用合适的优化算法优化特征提取与选择的过程，指导相似性度量方法的设计，能够在很大程度上解决上述问题，提升识别准确率。进化算法是一种优秀且常用的优化算法，但传统的进化算法在实际应用时存在收敛速度慢和易早熟两大缺陷。所以，首先需要改进传统进化算法，通过提升搜索效率以及维持种群多样性等手段，解决其存在的问题，然后将其应用于行人再识别和农作物病虫害识别问题各个环节的目标优化，以得到具有较高鲁棒性的特征表示模型，学习更加合理有效的相似性度量方法，从而提高识别准确率。
　　针对行人再识别和农作物病虫害识别的共性问题和个性问题，提出了多特征融合的特征表示与特征匹配方案，并运用进化算法优化识别的各个环节，以切实提高识别准确率，获得高效可行的行人再识别与农作物病虫害识别解决方案。主要从以下几个方面展开研究：
　　（1）针对传统进化算法收敛速度慢以及易早熟两大问题，以提升搜索效率和维持种群多样性为切入点，从两个角度对其进行了改进。一是改进传统的小生境技术，动态更新小生境的相关参数，有效控制子群的搜索区域，使其在保持自适应特性的同时，能够降低计算量，加快搜索效率；二是改进传统进化算法的进化过程，合理设置参数，有效控制搜索方向，并提供种群多样性的判断与维持方法，以改善传统进化算法的执行流程，使其能够维持种群多样性，提升搜索效率。
　　（2）提出了适应于行人再识别与农作物病虫害识别的共性特征表示方案。将颜色、纹理以及局部特征相融合来表征图像特征，并针对各个特征提出了合理的特征提取与表示方法。对于颜色特征，给出了两种颜色不变性处理方法，一种是简单的基于对角模型迭代的方法，一种是复杂的基于不变矩表示的方法。对于纹理特征，提出了灰度共生矩阵与局部二进制模式相融合的特征提取方法，并运用进化算法对提取出的特征进行优化选择。对于局部特征，使用SURF算法对特征进行检测，运用空间金字塔模型对特征进行描述。
　　（3）提出了适用于行人再识别与农作物病虫害识别的共性特征匹配方案。运用进化算法学习了两个用于相似性度量的距离函数，一个是应用于各个特征的二次函数，另一个是应用于多特征融合之后的距离函数。通过合理设置初始种群，选择合适的适应度函数，设计合理的进化算子，进行种群多样性判断，以及控制进化方向等，得到距离函数的最优权值向量。
　　（4）针对行人再识别问题的个性特点，设计了一套自适应的行人图像分割方案，特征提取在分割后的图像区域上进行。该方案针对不同的图像特征，进行不同程度的分割。对于纹理和局部特征，只将行人图像分割成上下半身两个部分。而对于颜色特征，根据颜色的分布特性，通过聚类和小生境技术，进行自适应分割。在此基础上，对共性的特征表示与匹配方案进行了调整，对融合后距离函数中的权值向量重新进行学习确定，并研究了待匹配对象进行颜色特征匹配时各个区域的对应问题。
　　（5）针对农作物病虫害识别问题的个性特点，在共性特征表示方案的基础上，增加了形状特征。提出了超绿特征与阈值分割相结合的农作物叶部病斑区域分割方法，改进了轮廓跟踪算法，并基于“Canny”边缘检测算子和改进的轮廓跟踪算法，提取病斑区域的轮廓，计算病斑区域的周长和面积，并在此基础上，进一步计算圆形度以及矩形度等形状特征。同时，也对共性的特征匹配方案进行了调整，距离函数学习时增加了形状特征对应权值的学习确定。
　　（6）通过相关实验，对本文所提出的方案进行评价。对于行人再识别，采用CMC曲线，分别对不同的特征表示方案，是否采用进化算法优化，以及本文算法与一些经典的行人再识别方法，进行了实验对比。对于农作物病虫害识别，采用平均识别准确率和CMC曲线，分别对不同的特征表示和匹配方案，以及是否采用进化算法优化，进行了实验对比。由实验结果的展示与分析可以看出，本文提出的基于进化算法优化的、多特征融合的行人再识别与农作物病虫害识别解决方案，能够切实高识别准确率，因此，该方案是有效可行的。