农作物病害会导致农作物品质和产量的下降,给农民带来巨大的经济损失,及时识别和诊断农作物病害具有重要现实意义。基于图像检索的农作物病害识别由于结合了通用农作物病害识别技术和图像检索技术两者的优势,具有很高的实用价值和良好的应用前景。但仍存在一些问题:针对农作物病害图像检索识别中的病斑分割,现有研究多基于简单背景的病叶图像进行处理,对农田实际环境下获取的病害图像进行处理的研究相对较少;在病害图像特征提取方面,现有研究多使用传统底层视觉特征来描述病害图像中病斑的属性,忽视了更高层的图像信息;而在病害识别方面,现有利用图像检索技术的方法由于只利用了单一特征进行检索,无法全面完整地描述病害图像的属性,对病害识别和诊断的性能并不是很好。本论文针对上述问题,重点研究了农田实际环境下农作物叶部病害图像的病斑分割方法,并对病害图像更高层抽象特征的提取方法进行研究,最后利用图像检索融合的方法对病害进行识别和诊断,论文工作具体包括:1.采用两层框架对农田生产环境下获取的农作物叶部病害图像进行有效分割。利用显著性检测方法移除病害图像中的背景,该方法在去除多数背景的同时不会丢失病斑。对图像分割方法中的图论法、阈值法、像素分类法及K-means聚类法进行研究和比较,实现了去复杂背景后病害图像中病斑的高效提取。2.从全局和局部特征着手提取病害图像更高层的抽象特征。在传统底层视觉特征的基础上,研究一种病斑袋模型将图像表示成一个全局直方图向量。引入局部特征Sift并与词袋模型结合对病害图像的局部属性进行特征表示。将两种特征用在后续病害识别中,能更加完整地描述病害类别间的差异信息。3.在图像检索的框架下,研究基于特征融合的病害识别方法。分别提取病害图像的Bo W_Traditional特征和BoW_Sift特征对病害图像的全局与局部属性进行完整描述。根据图像检索中不同特征的相似性排序规律研究一种自适应融合策略对两种特征的检索结果进行有效融合。该方法的平均识别正确率为90.84%,对实际环境下农作物病害的识别和诊断具有一定的应用价值。4.在前述研究基础上,设计并开发了基于图像检索的农作物叶部病害识别系统。本论文通过以上研究,实现了实际环境下农作物叶部病害的准确识别,为农作物病害科学、精准地诊断和防治提供技术支持。