【摘要】[目的]为了进一步提高稻飞虱图像分类的效率,本文提出一种基于特征优化的稻飞虱图像分类算法。[方法]对采集到的原始昆虫图像进行阈值分割、形态学滤波以及边缘跟踪来获取完整的昆虫彩色背部图像,同时基于该图像集提取昆虫的形态、颜色以及纹理特征66个,结合F-score特征评价方法,筛选出10个特征参数作为最优特征子集,并将其作为BP神经网络的输入特征值。[结果]当采用全部66个特征作为输入特征值时,稻飞虱图像的分类准确率达到96.19%;当采用最优特征子集作为输入特征值时,稻飞虱图像的分类准确率也为96.19%。[结论]以该方法获得的最优特征子集作为稻飞虱图像的特征参数不仅降低特征维度,提高稻飞虱图像分类效率,而且保证分类性能,为实现水稻虫害实时监测预警系统提供了技术支持。