烟草害虫快速检测与识别是烟草病虫害防治的基础。传统的烟草病虫害识别主要是专家或烟草种植者通过肉眼观察害虫的外部特征并与模式标本对照来识别的,这种识别方法费时费力。随着计算机技术的发展,图像配准技术被广泛应用于经济社会的诸多领域,如农业、医疗、遥感、工业、军业等。特征提取和特征匹配是基于特征的图像配准技术的主要研究内容,也是目前研究重点和算法改进的两个方向。SIFT算法、SURF算法、ORB算法是经典的局部特征提取算法,在尺度、旋转、平移、光照、仿射变化以及计算速度、提取的特征点数等方面各有各的优缺点。基于它们的图像配准技术越来越成为人们的研究热点,而基于它们对烟草病虫害图像配准识别的研究却又较少。本论文以烟草虫害为研究对象,采用图像配准技术研究了烟草害虫图像的分割、特征点提取、特征匹配等方面的技术问题,并对三种特征匹配算法进行比较,根据实验匹配结果得出每种特征匹配算法的优劣,并加以改进。本论文的主要研究工作如下：(1)采集了烟实夜蛾、烟绿蝽、烟草甲、天蛾、甲壳虫、黄曲条跳甲、黑跳甲共7组烟草虫害的标准图像和待配准图像,并对每一组烟草虫害影像采用迭代阈值分割算法进行图像分割。(2)研究了三种提取图像特征点算法。采用SIFT、SURF、ORB特征算法提取每一组烟草虫害图像的特征点,并采用改进的KD-树最近邻查询算法来匹配特征点,然后采用去除外点算法(RANSAC)剔除匹配错误的特征点。(3)依据实验结果对SIFT、SURF、ORB三种特征算法的性能进行评估,从对烟草虫害图像匹配的特征点数和计算速度两方面进行比较,根据比较结果,借鉴SIFT特征算法具有尺度不变性的优点对ORB特征算法进行改进,然后优化特征点样本对RANSAC算法进行改进,从而剔除更多的误匹配特征点。