图像处理技术是应用于图像运算和处理的技术,一般情况下图像处理技术将真实的图像信号转化为数字图像信号,从而利用计算机进行相关的处理。图像处理目前在许多领域都得到了广泛的应用,在农业领域中的应用主要有:病虫害识别、农业作物形状识别、农作物果实成熟度识别以及农作物生长状态检测等,取得了一定的成果。目前农业在干旱监测方面,无论是理论上还是技术手段上均面临着较大的瓶颈。为实现对玉米植株的旱情的分析,克服现有技术的不足,本文提出一种基于多特征融合的玉米前期图像旱情识别方法。本文针对所获取到的五种干旱水平的样本(正常、轻旱、中旱、重旱、特旱)进行相关研究。所做的主要的工作有:(1)采用聚类中的K-means++算法对所获取到的原始玉米图像进行分割,较好地提取了玉米叶片,为后续的特征提取打下了坚实的基础。(2)为了更加全面的描述图像的特征,本文提取了包括颜色、SVD、纹理三种图像特征,并且将三种特征进行融合从而构建了特征数据库。(3)为了减小三种特征直接融合对搭建的分类模型造成影响,本文采用遗传算法对特征数据集进行优化选择。(4)在最优特征子集的基础上构建了基于最小二乘支持向量机的分类模型,从识别结果可以看出,本文的方法能够有效地对玉米图像的旱情状况进行识别。结果表明本文所提出的算法对玉米前期植株的不同旱情等级的识别情况的有较好的效果,并且为农业旱情的识别提供了新思路。