蔬菜是全球最主要的粮食作物之一。由于全球气候愈加恶劣,蔬菜受到病虫害的侵害每年造成的经济损失持续增长。基于特征检测的图像处理技术在叶片病虫害识别领域中的具体实现与应用对信息化农业的发展具有重要意义,也是智慧农业、农业专家系统的研究热点和焦点。本文针对蔬菜叶片病虫害图像采集过程中易受噪声干扰导致图片细节丢失明显、传统特征提取算法初始特征点选取精度不高等问题,在吉林省德惠市米沙子镇岫岩村和吉林省松原市长岭县流水乡两个基地,以黄瓜、大白菜和马铃薯三种蔬菜为实验对象,采集三种蔬菜叶片病害图像各1000张,虫害图像各500张,就上述问题开展了深入研究。主要研究内容及成果如下:(1)进行了图像滤波算法的研究。并结合实验对象和三种滤波算法的特性,选定了高斯滤波算法进行本文的图像去噪工作。收集整理了吉林省德惠市米沙子镇岫岩村和吉林省松原市长岭县流水乡两个基地的数据,对采集的蔬菜叶片病害和虫害图像进行相同尺寸的裁剪,并将同类图像进行归类。针对传统高斯滤波算法进行图像去噪时,人为选取标准差的随意性的缺陷,进行了改进的自适应高斯滤波算法的研究。以黄瓜、大白菜和马铃薯叶片病害图像为实验对象,进行了传统算法、文献44的算法和改进算法的对比实验。实验结果得出:改进算法的PSNR值比文献44算法的的PSNR值平均提升了13.5%。(2)进行了图像纹理和颜色的特征提取算法研究。分别使用了Canny算法、SURF算法、HSV颜色直方图提取了三种蔬菜叶片病虫害图像的纹理特征和颜色特征。针对传统SURF算法初始特征点选取精度不足的问题,提出了改进的SURF特征检测算法。以黄瓜、大白菜和马铃薯三种蔬菜叶片常见病害和虫害图像为实验对象,进行了改进SURF算法与传统SURF算法的对比实验。实验结果得出:改进SURF算法进行三种蔬菜叶片病虫害图像特征检测的重复率均在80%以上,高于传统SURF算法。(3)构建了基于特征检测的蔬菜叶片病虫害识别模型。使用了SURF算法和Canny算法提取蔬菜叶片病虫害图像的纹理特征。使用了HSV颜色空间提取蔬菜叶片病虫害图像的颜色特征。将纹理特征向量和颜色特征向量按3:1比例进行整理,提炼出特征症状各30条,各归纳出15种疾病类型,构建了图像的特征向量库。将三种蔬菜叶片病虫害图像的特征作为网络模型的输入参数,构建了蔬菜叶片病虫害的识别模型,分为病害和虫害两个子网分别进行训练,并将训练好的模型用于测试实验。实验结果得出:黄瓜的10组叶片病害类型的识别平均准确率达到了93.42%,5组叶片虫害类型的识别平均准确率达到了93.44%;大白菜的10组叶片病害类型的识别平均准确率达到了91.46%,5组叶片虫害类型的识别平均准确率达到了91.32%;马铃薯的10组叶片病害类型的识别平均准确率达到了91.42%,5组叶片虫害类型的识别平均准确率达到了92.20%。进行了传统模型和改进模型的对比分析,结果表明:改进模型在稍微舍弃一些运行效率的前提下,对三种蔬菜叶片病虫害的识别准确率总体平均提升了5.48%。