水稻害虫的正确识别是水稻害虫预防与治理的前提和基础,害虫自动识别及分类系统可以减轻植保人员的劳动强度、提高预测预报的准确率,从而降低水稻产量损失。本文以稻田害虫为对象,结合数字图像处理、模式识别等技术建立水稻害虫识别及分类系统,可以对15种水稻害虫及5种农田常见害虫进行识别。系统包括图像采集、图像预处理、特征提取和图像识别四个部分。具体内容如下:(1)害虫图像采集技术的研究。提出多聚焦融合的水稻害虫图像采集方法,以Harris角点数和图像熵为图像质量检测标准,采用小波变化的图像融合算法,获得了最佳的图像采集与图像融合策略,该方法对于立体害虫采集有较好景深扩展能力,最终建立了不同背景、姿态和设备采集的图像库。(2)水稻害虫图像预处理技术的研究。针对不同背景、姿态和设备采集的害虫图像进行预处理,包括图像调整、运动模糊图像滤波和图像分割。图像滤波通过查找表(LUT)改变图像的亮度、对比度和伽玛值,减小外界环境对图片的影响;分别使用约束最小二乘复原和维纳滤波减轻运动抖动等引起的模糊;图像分割包括彩色和灰度图像分割,通过K均值聚类法和最大类间法可以排除背景的影响,使害虫特征更加明显。(3)害虫图像多尺度多特征提取。提取了害虫颜色特征、纹理特征和Hu不变矩。提取颜色的一阶矩、二阶矩和三阶矩作为颜色特征;利用灰度共生矩阵提取害虫纹理特征;提取具有旋转、平移、尺度不变性的Hu矩特征。最后建立害虫特征库。(4)水稻害虫识别系统的建立和测试。建立基于支持向量机的识别模型,通过网格搜索法找到最适参数并分别对不同设备采集的害虫图像和总体系统进行识别率测试。建立水稻害虫自动识别系统,系统包括图像打开、图像预处理、特征提取和害虫识别等模块功能。最后的实验结果表明该系统对于不同设备采集的图像都可以很好的识别,训练集图像识别率达100%,多设备测试集图像除了中华稻蝗和黏虫外,其他的害虫识别率达到了90%以上。