森林是保护陆地生态系统平衡的主体,树木叶片作为至关重要的固碳库,有效利用与保护林木资源成为当下重要课题。林木种类精确识别是建设生态林带的关键,对森林资源监测、生态多样性的保护以及智慧林业的建设具有重要意义。但因叶片形状与纹理脉络相近且受季节、环境等因素影响,传统经验观察法识别树种难度较大。故将机器视觉融入林业树种识别领域,使其成为自动分类的重要途径。本研究在基于灰度共生矩阵的基础上,构建BP神经网络的树种识别模型,经实验验证可精准有效化的实现树种识别。在东北林业大学实验林场采集林区常见10种阔叶树种的叶片作为研究对象,包括(钻天杨、金银忍冬、旱柳、黄檗、榆叶梅、色木槭、紫椴、白桦、复叶槭及蒙古栎)。通过自主设计与研发的图像采集硬件系统,用以获取叶片样本的二维数字图像,并对其进行灰度化、二值化和边缘检测处理。同时提出一种新型加和法将叶片的原始灰度图像从整幅图像的背景区域分割出来,该方法保留了叶片灰度图像的完整性特征信息,且叶片区域与背景完全分离。为后续图像特征提取和树种识别等研究提供坚实的理论支撑,加和法也可应用于其他图像分割领域。对预处理后的二维树木叶片图像,提取其几何与纹理的特征信息。利用灰度共生矩阵方法从多方向与角度获取叶片纹理特征值,因叶片纹理较细腻,考虑程序运行时间,故构造一个d=1;g=64;θ=0°、45°、90°、135°的灰度共生矩阵。其中纹理特征描述子共七项,可表示为:熵、显著聚类、相关性、逆差矩、惯性矩、角二阶矩、聚类阴影;几何特征描述子共六项,可表示为:纵横轴比、偏心率、致密度、形状参数、矩形度、球状性。构建一个3层BP神经网络模型,将归一化的13个特征值作为网络输入,用以识别树种,利用试凑法确定隐含层为12时,识别率为91.25%,获取最优解。实验结果表明:本研究构建的树种识别系统比传统人工特征识别法更加快速,准确,高效的实现对东北常见10种阔叶树种自动化分类,为林业树种图像自动识别研究提供支持。