苹果产业是陕西省的特色产业，对陕西的经济有着重要意义。但是近年来随着苹果产业的蓬勃发展以及苹果种植面积的不断增大，各种病害对苹果产率的影响也逐渐增大，严重影响了果农的经济收入。如何有效的应付大规模苹果种植中的出现的病害问题变得尤为重要，而逐渐完善的图像处理和智能识别技术成为解决该问题的方法之一。本文以苹果叶子病害中较为常见、发病率较高的斑点落叶病、锈病和花叶病3种病害图像为研究对象，分析其特点，提取其特征并设计开发出相应的识别系统，为实现远程鉴别苹果病害提供了技术参考。本文的主要研究工作如下：（1）针对自然场景下拍摄的图像的特点，研究了图像预处理方法。利用改进的中值滤波方法去除噪声，并有效的保留了图像的边缘信息；采用直方图均衡化方法，对图像进行了增强，使得增强后图像具有较大的动态范围和比较高的对比度，将受到不同影响的图像转化为较统一的形式；使用模糊C均值聚类算法分割病斑图像，取得比较好的效果。（2）对图像的特征提取方法进行了研究，特别研究了颜色直方图、颜色矩、灰度共生矩阵、常规形状和Hu不变矩等特征，并对提取特征进行比较，选择15类特征参数。（3）研究了支持向量机学习模型，选用基于支持向量机的病害识别模型，测试并确定了支持向量机模型参数。（4）结合C#和Matlab编程，设计并实现系统各个功能模块，最终开发出整个系统。实验结果显示正确识别率为91%，表明该系统能够有效的识别苹果叶子病害。