我国是传统农业大国，然而由于农业科技成果转化率较低，我国高端蔬菜花卉品种生产能力弱，只能长期依赖进口。改变这一局面的唯一途径在于通过科技创新加快农业发展方式转变。将计算机图像处理与模式识别技术运用到农业领域，构造基于图像处理与模式识别技术的自动化病害诊断系统，可以降低人为主观因素的影响，增加病害诊断的准确率，降低蔬菜花卉等农作物的生产风险。　　 户外田间直接进行拍摄得到的病害图像不可避免地会有多重背景的干扰，要真正实现全天候与全方位的作物叶部病害诊断，所选用的图像处理算法必须能够应对复杂背景的影响。本文将复杂背景下的病害叶片与病斑分割问题作为思考的关键点，从问题本身出发，通过分析病害叶片的简单视觉意义特征，即颜色与纹理，来获得解决问题的途径。通过结合局部二值模式纹理和扩展的结构张量纹理的多级纹理分析，得到了比较理想的分割结果。然后利用数学形态学的处理方法，对阈值化后得到的二值图像中的孔洞进行区域填充、并裁剪多余独立区域，可以得到更加精确的病叶轮廓。同样，通过分析病叶的颜色特征也可以分割病叶。两种方法各有优劣，可以使用图像运算方法，将分割结果加以融合，提高鲁棒性。当同时考虑病叶与病斑分割，我们便遇到了一个多相分割问题，结合病害叶片的病斑与病叶的空间分布特征，内部顺序的多相水平集算法便成为可能解决该问题的自然选择。让不同的水平集函数演化在不同的特征域中，即多域多相水平集算法，可以有效利用前面讨论得到的纹理特征与颜色特征，在一定程度上克服了复杂背景的干扰，为作物叶部病斑分割提供了一条崭新的道路。