作物病害一直制约着农作物的产量和质量，快速而准确地识别作物病害种类对有效防治农作物病害具有重要意义。在作物病害管理过程中，及早发现作物病害和准确识别病害类型能够妥善处理和有效控制作物病害。本文以两种常见的黄瓜病害(霜霉病和炭疽病)为研究对象，利用图像处理和模式识别技术，进行黄瓜病害叶片预处理、病斑分割和特征提取以及分类、识别研究。本研究主要内容包括：　　⑴病害叶片图像预处理。采用均值法对病害叶片进行灰度化处理、采用直方图均衡法对病害叶片进行增强、采用中值滤波法对病害叶片进行图像平滑，并通过形态学梯度法对病害叶片进行图像锐化，由此减少光照和噪声等对后期病害识别率的影响。　　⑵病害叶片图像分割。利用传统的标记分水岭算法进行作物病害叶片的病斑分割过程中存在伪标记现象，容易造成过分割。针对此问题，提出了一种改进的标记分水岭分割算法。首先采用形态学进行预处理，建立形态学梯度并对梯度图像进行开闭重建；其次，对重建的梯度图像进行前景标记，并利用病斑和正常叶片的颜色差异对前景标记中的伪标记进行滤除，对修改后的前景二值化图像进行距离变换和分水岭完成背景标记；最后，用强制最小值技术进行梯度修正并用分水岭算法对其进行分割。　　⑶特征提取和病害识别。由于作物病害叶片图像的复杂性，提取黄瓜病害叶片图像的22个特征参数，包括12个颜色特征、4个纹理特征、6个形状特征。利用散点图观察法从中选择对分类识别贡献率较高的12个特征作为最终的特征参数。利用支持向量机(Support Vector Machine, SVM)分类器对霜霉病和炭疽病两种类型的黄瓜病害进行分类识别，并讨论SVM中各个核函数参数对病害识别的影响。最后利用选择出的12个特征进行病害识别，识别率高达95.83％。实验结果表明，本文提出方法的有效性。