随着信息化智能化技术在工农业中的广泛应用，研究利用计算机视觉识别杂草，在农田中有选择地喷洒除草剂，有利于我国精细农业的发展。因此，较高的杂草识别效率对准确的喷洒农药显得尤为重要。而目前大都采用杂草的形状、纹理、颜色等单一特征进行识别，识别率不高，为此，可以利用信息融合算法对杂草的多种特征进行融合，来提高田间杂草的识别效率。本论文的主要研究工作如下：　　 1.针对杂草图像受各种自然因素影响，造成图像质量差、信息丢失、识别率低等问题，本论文提出了一种小波高低频不同融合规则的新算法。首先对来自不同传感器的杂草图像分别进行小波变换，然后根据小波变换后高低频子图像的不同特点，采用不同的融合算法对杂草图像的高低频子图像进行融合，形成杂草图像新的高低频分量，最后进行小波逆变换得到融合后的杂草图像。并且将得到的融合结果与加权平均、HIS变换等融合方法得到的杂草融合图像进行比较、评价。　　 2.对杂草图像中的杂草和土壤背景各颜色分量进行了分析比较，选取了较好的颜色组合对杂草图像进行背景分割。然后，根据图像边缘的多信息特性，构造出杂草图像边缘的邻域一致性、方向性和结构性三种信息测度统计，利用D-S证据理论对三种测度进行融合来实现对分割后杂草图像的边缘检测。并且，此算法与传统的Sobel算子、Canny算子相比，能够有效地克服噪声干扰对边缘检测结果的影响，准确提取出图像的边缘特征。　　 3.将彩色杂草图像进行HIS 颜色空间转换，提取出杂草图像的H、S 颜色特征，同时将提取的强度分量I 进行小波变换提取出其纹理特征，然后采用模糊聚类算法对杂草图像进行快速聚类分割。并且采用对比度、相关性、熵三个特征参数进行纹理特征分析。