我国的农业生产已经取得了很大成就，但面临着一些重大问题，如农药使用过量而造成的环境污染、机械化程度不足、投入高效率低等等。精细农业是我国农业发展的必然趋势。精细农业是集成了电子、计算机、信息处理技术与智能机械等技术的现代农业技术和体系。机器视觉是其中的关键性基础技术，是作业机械的感觉器官。针对作物早期管理中的自动喷洒作业的需要，重点研究了作物与杂草的识别问题。田间作物与杂草的自动识别，根据研究内容和方法的不同，可以分为以下几类：1)根据作物与杂草的位置信息的区分；2)根据光谱反射率的区分；3)根据形状的区分；4)根据颜色的区分；5)根据纹理的区分。本文的主要研究内容与结果如下：(1)采用Vis／NIR光谱技术，区分了苗期的大豆与牛筋草、空心莲子草、凹头苋等几种南方地区常见的植物。用325-1075nm波段的光谱反射率，经过DBN小波在三层分解后，可以将光谱样本压缩到114个数据。光谱样本分两期共采集了360个样本。然后从经过小波变换后的结果中选取250个样本作为输入数据建模，包括了两个阶段的样本数据，剩余的110个样本用于校验。采用了径向基函数神经网络模型，结果表明，识别正确率达到了97.3％，只有3个牛筋草样本被错误识别。所以，应用Vis／NIR光谱技术区分作物与杂草，是一种准确率高、速度快的高效方法。(2)研究了基于多光谱成像仪的图像的颜色空间的变换。多光谱成像仪的三个图像信道分别是Gn、Ir、Rd。其Ir信道的图像质量很高，特别适合用来做作物与杂草的区分。可以将多光谱成像仪的图像与其它的颜色空间进行转换(HSV，OHTA，CIE XYZ，CIEL~*A~*B~*，CIEL~*U~*V~*)。比较了原始图像、CIE XYZ颜色空间、CIE LUV颜色空间的图像质量和灰度直方图分布，结果是在CIE XYZ颜色空间中，三个图像分量的灰度直方图和图像质量都有改善，在CIEL~*U~*V~*颜色空间中的V~*空间的灰度直方图类似原始图像中的IR信道，图像更清晰。说明了颜色空间变换对于多光谱图像的处理，可以作为一种重要的预处理手段。(3)在图像增强的方法上，分空域增强和频域增强两部分内容。在空域增强部分，研究了平滑、中值滤波、维纳滤波、对比度增强滤波等方法。在频域增强部分，重点研究了基于matlab的数字滤波器处理方法，并分别用IIR、FIR的数字高通、低通滤波器处理模糊的作物与杂草的近红外通道图像，并比较了处理的效果。结果表明，数字滤波器的设计灵活，可以根据需要的幅频响应函数去设计滤波器参数，得到明确的幅频、相频响应函数。在选取截止频率的问题上，提出了用图像的傅立叶变换后的图像的半径来确定截止频率的方法，并研究了其使用效果。证明了基于数字滤波器的处理方法是一种有效的图像增强方法，并且可以用来处理模糊图像，增强作物、杂草与背景的对比和清晰程度，为目标识别作预处理。(4)运用阈值分割、数学形态学方法和图像分析等，结合先验知识研究了作物与杂草的识别问题。根据含有牛筋草、空心莲子草和豆苗的多光谱近红外信道的图像，首先用阈值分割将图像上的土壤背景去除。然后，用数学形态学方法，经过连续的腐蚀与膨胀操作，将豆苗与两种杂草分割开。对于仅剩下两种杂草的二值图像，用图像分析工具统计杂草对象的特征，包括长、短轴，面积，实心度，周长等等因子。然后，根据先验知识确定两条简单的规则，识别出两种杂草。实验表明这是一种简单有效的方法。(5)研究了多光谱图像的边界提取和图像分割问题，比较了在不同的边界提取算子，包括Roberts、Prewitt、Sobel、Laplacian等边界算子作用下的效果。同时也比较了用数学形态学方法提取边界的效果。研究了基于分水岭模型的图像分割方法和基于邻域的分割方法。(6)统计了MS3100多光谱成像仪和普通相机所拍摄的图像特征。分三个通道统计象素的平均亮度、均方差等因子，数据表明，多光谱成像仪的近红外图像分量的亮度适中，明、暗部分变化大，图像清晰。三个信道表现出较大差异，而普通相机的三个图像分量统计特征相似。说明了应用多光谱成像仪识别作物与杂草，有潜在的优势。