LoveCTO由于绝大多数植物病害症状会在植物叶片上表现出来，使植物叶片的颜色、形状和纹理发生变化，因此病害叶片症状是发现病害和判断病害种类的主要依据之一。特征有效选择、病害准确分割和病害有效诊断是农作物病害识别的关键技术。
目前，国内外研究人员对植物病害的研究主要集中在图像分割、图像特征提取和病害识别等方面，他们在农作物病害智能诊断方面做了大量工作。
1、基于颜色特征的植物病害识别
有学者在识别辣椒黄斑疾病时，利用中值滤波前的预处理手段来提取纹理特征，以及适用双峰法，有效地区分了正常叶片和病理叶片（崔艳丽等，2005）。在利用神经网络技术识别斑点区域的研究工作中，有学者根据大豆叶片斑图的RGB颜色特征进行了实验并验证了该技术的有效性（马晓丹等，2006）。
2、基于纹理特征的植物病害识别
纹理一般是图像中由灰度分布在空间位置上反复出现而形成的。灰度共生矩阵是由Haralick提出的一种用来分析图像纹理特征的重要方法，它建立在图像的二阶组合条件概率密度函数的基础上，即通过计算图像中特定方向和特定距离的两像素间从某一灰度过渡到另一灰度的概率，反映图像在方向、间隔和变化幅度等方面的信息。灰度共生矩阵是常用的纹理统计分析方法之一。
有学者提取了红辣椒斑点病斑的均匀性、惯性矩、能量和熵的共生矩阵纹理特征，是识别该病害较好的参数（张静等，2006）。
3、基于形状特征的植物病害识别
有学者对黄瓜炭疽热的自动诊断方法展开了研究，从形状特征和光谱反射特性的角度，利用遗传算法建立了识别参数，并确定了该病害的识别特征（Yuataka Sasaki et al., 1999）。
4、基于光谱特征的植物病害识别
利用数字红外热成像技术，有学者研究了采用多光谱成像技术提取受感染的辣椒叶片表面的多光谱图像，并取得了成效；利用了叶片的高光谱图像采集系统，对白粉病、黄瓜霜霉病等病害的高光谱图像数据进行了研究；利用了450~900nm范围特征波长的图像，提取出了黄瓜叶片的特征向量，对黄瓜病害的诊断率达到98%（冯杰等，2002）。
5、其他植物病害的识别方法
有学者利用穷举搜索法和颜色共生矩阵来得到叶片的纹理特征，并在高斯分类器的帮助下得到了最优的特征参数（Burks et al.,2000）。有学者利用时域差分算子提取了叶片的纹理特征（毛罕平等，2003）。有学者通过模糊BP神经网络模型，对26种葡萄的常见病害进行了诊断，得到了模糊隶属度的表达方法（刘树文等，2006）。
植物病害的纹理特征通常采用共生矩阵等方法获得，但仅用单一特征会影响植物病害的识别率。植物病害的颜色特征常常是以RGB为主，有较为明显的缺点——不但识别率不高而且算法运行时间长。形状特征的提取最为直接，虽然植物病斑的形状不规则，但是一般情况下分析几个常用特征就能得到较理想的结果。基于遥感图像处理技术的植物病害识别方法对设备要求严格，例如，要用到红外摄像机或光谱仪设备。
摘自《基于图像分析的植物及其病虫害识别方法研究》
