1.一种双孢蘑菇褐斑病的识别与分类方法，其特征在于，包括以下步骤：步骤A：对样本图像进行描述，准备好各个特征的样本图像，读取双孢蘑菇样本图像；

步骤B：对步骤A中的双孢蘑菇图像进行分割，获取双孢蘑菇的区域及目标区域的图像；

步骤C：根据HSV颜色空间对步骤B中的双孢蘑菇目标区域图像提取颜色特征；

步骤D：对步骤B中的双孢蘑菇区域提取形状特征；

步骤E：对步骤B中的双孢蘑菇目标区域图像提取纹理特征；

步骤F：构造SVM分类器，初始化支持向量机分类器所需的核函数和类型参数，将步骤C、D、E中样本提取的特征向量送入分类器训练，使得分类器收敛；

步骤G：对测试图像中的双孢蘑菇进行分割，提取待测目标区域，根据步骤F提取分类器所需要的特征参数，代入训练好的SVM计算结果并进行分类，给出各个双孢蘑菇状况的分类结果。

2.如权利要求1所述的双孢蘑菇褐斑病的识别与分类方法，其特征在于，步骤C中，将S、V分量组成二维颜色特征。

3.如权利要求1所述的双孢蘑菇褐斑病的识别与分类方法，其特征在于，步骤D包括：步骤D1：提取形状特征中圆度，用来反映双孢蘑菇健康区域圆形的形状因子；若F为区域面积，max为中心到所有轮廓像素的最大距离，那么计算圆度C1为:C1＝min(1，C1′)

如果区域较长或有孔洞，则圆度小于1，圆度特别适用于反映大的凸起、孔洞和不连通区域；

步骤D2：提取形状特征中紧实度，用来反映双孢蘑菇健康区域紧凑程度的形状因子，如果L是轮廓线的长度，F是区域面积，则计算紧实度C2为:C2＝max(1，C2′)

如果区域较长或有孔洞，则紧实度大于1；紧实度反映轮廓粗糙度和孔的情况；

步骤D3：提取形状特征中孔洞比例数，用来反映目标区域中孔洞或病斑面积占整体区域的比例；计算输入区域中孔洞的面积A，A为孔中包含的像素的数量，F是区域面积，则计算孔洞比例数D为：

步骤D4：提取形状特征中几何二阶矩，几何矩是一种基于区域形状描述图像形状特性的方法，再计算得到中心矩Ia，a为1、2、3或4；计算旋转线性移动不变矩，即几何二阶矩Ma：由四个不变矩M1～M4组成特征向量来描述图像中双孢蘑菇区域的形状特征。

4.如权利要求1所述的双孢蘑菇褐斑病的识别与分类方法，其特征在于，步骤E包括：步骤E1：提取灰度共生矩阵，假设f(x，y)为一幅大小M×N的二维数字图像，灰度级别为Ng，那么满足一定空间关系的灰度共生矩阵P(i，j)为：其中 表示集合x中元素的个数，P则为Ng×Ng的矩阵，假定(x1，y1)，(x2，y2)的间距为d，两者与坐标轴之间的夹角为θ，即获得灰度共生矩阵P(i，j，d，θ)，将(i，j)出现的所有次数为底将此矩阵归一化得到归一化后的灰度共生矩阵；

步骤E2：提取纹理特征中能量，能量可以通过计算归一化灰度共生矩阵中各元素的平方和求得，它反映的是双孢蘑菇灰度图像中灰度分布均匀程度和纹理的粗细程度，计算能量E1：

其中，n为归一化灰度共生矩阵的阶数，cij为归一化灰度共生矩阵的元素；

步骤E3：提取纹理特征中相关性，相关性是指归一化的灰度共生矩阵中元素在行、列方向上的相似程度，计算相关性C3：相关性值的大小反映得是图像中局部灰度得相关性，当归一化的灰度共生矩阵中的元素大小相似时，相关值就大，表示病斑纹理灰度相关性大；

步骤E4：提取纹理特征中局部均匀性，它反映的是图像纹理的同质性，体现图像局部纹理变化的多少，局部均匀性H计算得：H的值越大，说明图像纹理的不同部位间缺乏变化，局部比较均匀；

步骤E5：提取纹理特征中对比度，对比度是用来表示图像的清晰度以及纹理的深浅程度，计算对比度C4为：

步骤E6：提取纹理特征中熵值，熵值表示了图像中纹理的非均匀性或复杂程度，是图像所具有信息量的度量，计算熵值E2为：。

5.如权利要求1所述的双孢蘑菇褐斑病的识别与分类方法，其特征在于，步骤F中，输入特征向量包括颜色特征中的S、V分量组成的二维颜色特征，形状特征中的圆度、紧实度、孔洞比例数和几何二阶矩，纹理特征中的能量、相关性、局部均匀性、对比度和熵值。

6.如权利要求1所述的双孢蘑菇褐斑病的识别与分类方法，其特征在于，步骤F中，构造SVM分类器时，将样本分成健康、褐斑病早期、褐斑病中期、褐斑病晚期、人工或机械采摘损伤五种类型。

7.如权利要求1所述的双孢蘑菇褐斑病的识别与分类方法，其特征在于，步骤F中，选择径向基核函数作为核函数，OVR‑SVMs作为分类算法。