玉米是我国非常重要的粮食作物,而玉米锈病是一种对玉米危害比较大的病害,对于保证我国玉米产量是一种很大的威胁。目前,一些农民以求保障玉米维持高产状态,从玉米幼苗直到成熟期的不同发育阶段,不管玉米是否存在病害,无论病害的轻重缓急一律采用农药处理,如此不但打破了原有农业生态的自然均衡,也让玉米之中残存着大部分的有害农药。为了保障高效地利用农药处理掉病害,并且能够降低大规模农药的应用给自然环境施加的压力,一定要准确地获取到病害的精确数据(包含了病害类型以及损害程度),接着实行专项性的预防手段,有效、科学地处理病害。玉米病虫灾害的监测问题对于中国的农业经济水平发展速率造成直接性影响,怎样增强对玉米病虫灾害的监测效率为目前农学分析与关注的重点。本文利用高光谱成像技术研究了玉米叶片锈病的检测问题,并尝试利用高光谱遥感分类技术提取大面积田块图像中的病斑区域,为精准农业的实现,提供一种可参考的方法。本研究的重点是利用RGB图像处理技术对高光谱图像中玉米叶片进行轮廓和特征提取,并利用RGB图像上可视的病斑位置来确定高光谱图像上的病斑区域训练样本,然后利用支持向量机分类算法(SVM)将叶片上的病斑区域提取出来,接着提取病斑和正常叶片的反射率,并建立检测模型,给高光谱成像技术于玉米叶片锈病害的监测奠定下理论基础,为后续的波段选择提供了参考。与此同时,本文还尝试在无人机高光谱影像的分类处理上,利用非监督分类中的k-均值分类法方法(K-Means)和迭代自组织数据分类方法(ISODATA)、监督分类中的极大似然分类法(MLC)和最小距离分类(MDC),将单张无人机拍摄的玉米地田块尺度上的玉米叶片锈病区域提取出来,通过不同算法的精准度及分类效果对比,选出比较理想的分类算法,为后续无人机遥感影像分类研究提供一些理论依据。由于本研究受到一些硬性条件的限制,导致一些研究未能实现,但仍可为后续研究提供一些参考和研究方向,例如多张无人机遥感影像的拼接、整块田地的病害等级分析等研究。