我国是一个小麦生产和消费大国，小麦产量的高低和质量的好坏将直接影响到人民的生活，由于各种病害的存在严重影响小麦的产量，威胁小麦的质量，因此不但要防治国内已有的病害，也要防止其它国家的小麦病害传入我国。而小麦出入境病害检验检疫正是为了防止小麦病害由其他国家传入我国的有效手段。　　 本文结合海南出入境检验检疫局热带植物隔离检疫中心的项目“基于图像识别的出入境植物检疫病虫害诊断的研究”，以计算机图像处理为基础理论，综合运用模式识别、神经网络等技术，对出入境小麦常见的三种小麦病害（小麦网腥黑穗病、小麦印度腥黑穗病和小麦矮腥黑穗病）图像进行了研究，构建了小麦病害诊断系统。系统的开发平台是VC++6.0，数据库系统是SQL Server 2005。本文的主要研究工作如下：　　 (1)通过试验，构建了小麦病害的处理流程：中值滤波、梯度锐化、图像灰度化、Inter Variance图像分割、数学形态学处理、单个病害分离。　　 (2)研究小麦病害图像的颜色、形状、纹理与脊高四个方面的特征，提取病害图像的18个颜色特征、17个形状特征、6个纹理特征以及1个人机交互特征（脊高）。分析研究三类病害特征量的统计值，最终选取R一阶矩、G一阶矩、B一阶矩、H一阶矩、长轴、面积、周长、惯性矩8个特征作为模式识别的特征向量。　　 (3)以得到的8个有效特征量为研究对象，通过基于统计的最小距离分类器和BP神经网络分类器，最终实现三种病害的分类识别。试验表明：最短距离分类器对网腥黑穗病、印度腥黑穗病、矮腥黑穗病的平均识别率分别为75.5％、74.9％、78.8％；BP神经网络分类器对网腥黑穗病、印度腥黑穗病、矮腥黑穗病的平均识别率分别为72.3％、74.5％、75.5％。　　 (4)开发小麦病害诊断系统，构建SQL Server数据库与一个用以保存提取到的所有病害图像特征的数据库表。　　 (5)考虑到部分小麦病害图像的目标与背景在彩色与灰度上区别不大，自动处理效果不明显，本系统加入了人机交互分割、人机交互去除杂质与人机交互特征提取三类人机交互操作。