植物叶片是植物的重要特征之一,大多数植物通过植物叶片就能对其进行判断识别。采用计算机图像处理技术自动对植物叶片进行识别可以提供方便快捷的植物识别方法,有利于人们识别认识植物。本文围绕植物叶片自动识别相关的图像处理技术进行研究,主要研究内容包含以下几个方面:(1)提取植物叶片的边缘信息。针对传统的Canny边缘检测算子的两个高低阈值是全局阈值的不足,提出了一种基于全局比例值和局部阈值的Canny边缘检测算法。首先采用最大类间方差法(Otsu)获取梯度幅值图的自适应全局分割阈值,计算大于等于该阈值的像素点与图像总像素点的比值作为边缘点的全局比例值。其次在图像的纵向和横向方向每隔相同间隔就选择一个像素点作为计算点,计算该点的局部高低阈值,确保局部区域内大于局部高阈值的点数与区域内总点数的比值大于等于全局比例值,局部低阈值则为局部高阈值的一半。实验结果表明该算法能够在避免虚假边缘的同时检测出更多的细节边缘。(2)基于局部模糊聚类的植物叶脉提取。采用全局模糊聚类自动提取叶脉时,对光照比较敏感,误分率比较高。本文针对此不足提出了基于局部模糊聚类的植物叶脉提取算法。实验结果表示,该算法不仅能够提取出较完整的叶脉区域,还可以有效避免光照的影响。(3)基于VGGNet-16卷积神经网络的植物叶片识别研究。通过对VGGNet-16网络模型进行适当的修改,构建了一个新的网络模型用于植物叶片识别。使用该网络模型对植物叶片的彩色图像,边缘图像和叶脉图像分别进行模型训练和模型测试。得到的实验结果为彩色图像识别准确率为91.48%,边缘图像识别准确率为94.92%,叶脉图像识别准确率为92.81%。