中文摘要：

本项目以我国主要农作物玉米和小麦田间杂草为研究对象，构建提取和分析植物形状、纹理和光谱特征的植物识别方法库MPD-Lib，以增进各种方法之间的可比性，为各种作物及其伴生杂草的识别搭建通用平台；针对田间复杂的环境，研究具有RST不变性的植物形状特征描述方法，以提高形状特征的田间适应度；研究基于分形维数的纹理特征快速提取方法，以增进纹理特征在田间应用的可行性；研究表达利用光谱特征的物草分割线SCW-L

结论摘要：

本项目研究了已有的描述植物颜色、形状、纹理和光谱特征的各种方法，基于VC++编程环境构建了包含提取各特征的算法的植物识别方法库PDM-Lib。以中国主要农作物小麦及其伴生杂草为例，用构建的PDM-Lib分析在真实的田间环境下采集的3～5叶苗期麦田的静态图像和动态视频中小麦、杂草和土壤背景的颜色、位置、形状、纹理特征。根据条播作物小麦的种植生长特性，提出了基于多特征的麦田杂草识别方法，并对算法进行优化和改进，编写了基于VC++环境的田间杂草实时自动控制软件系统RWCSys。该方法的处理流程如下先利用颜色特征分割绿色植物和土壤背景；然后，利用位置特征识别行间杂草；接着，利用纹理特征识别行内杂草；最后，利用形态特征后处理误分割的杂草和作物。用采集的包含1－6行作物的静态图像进行试验，作物和杂草的正确识别率最低为89%，最高为98％；处理时间最低为157ms，最高为252ms。用采集的包含1行作物的动态视频进行试验，作物和杂草的正确识别率分别为85%和87％，处理时间为170ms。