温室作物的自动识别技术是进几年发展起来的计算机视觉与模式识别技术在作物生长领域应用的重要研究课题之一。课题的目的是采用图像处理技术实现作物目标的自动提取,这对于作物生长状态参数的测量、温室环境的控制和作物生长过程的仿真等都有十分重要的意义。本文针对温室环境下作物图像的特点,提出了一种有效的将作物从温室环境背景图像中自动提取的方法,该方法是基于作物颜色特征进行提取的。首先,通过比较各种图像的预处理方法,选择运用直方图均衡化技术和中值滤波方法对图像进行图像增强和图像滤波处理,改善了图像的动态范围及对比度,图像细节突出,易于分割。对预处理后的图像进行分割时,采用了两种颜色空间行处理,HSV空间和CIEL~*a~*b~*空间。在HSV空间,H分量表示图像的色调,在该分量上对图像进行直方统计,根据直方图的峰谷个数求出该图像中按照颜色分类的数量;在CIE L~*a~*b~*空间,根据前面得出的图像分割的个数利用模糊聚类(FCM)对图像进行聚类,将得到的聚类中心与从标准色卡中提出的绿色对应的L~*、a~*、b~*的参考值进行比较,与其最接近的类即为要提取的绿色作物目标。从而最终实现了对图像中作物目标的自动提取。实验结果验证,该方法在没有人工参与的情况下能够对绿色作物准确分割,为作物生长参数的自动测量,和目标自动识别提供了有效手段。