形状的描述与匹配是模式识别和图像处理领域的一个非常重要的研究内容，已被广泛应用于医学、生物学、农业、工业等各个领域。植物分类是其中一个非常有价值应用。本文主要工作如下：　　（一）分析多种轮廓线形状描述方法，特别是多尺度距离矩阵（Multiscale Distance Matrix），并分析了该描述子应用于植物叶片识别中的局限性，指出MDM描述子不能对轮廓线形状的凹凸特性进行有效描述。　　（二）提出一种新的形状描述子—内外弦长矩阵（Inner&Outer Chord Matrix）。内外弦长矩阵能够有效地抽取轮廓线形状的凹凸特性，而人类视觉系统对轮廓线形状凹凸特性特别敏感，因此抽取出轮廓线凹凸特性的内外弦长矩阵描述子的鉴别能力将大大提高。将该方法应用于Swedish和Leaf100植物叶片图像库，与类似的MDM方法和经典的傅立叶描述子相比，IOCM取得了更优的识别率。为了压缩空间，本文应用经典的线性判别式分析（Linear Discriminant Analysis）和近年来提出的最大边缘准则（Maximum Margin Criterion）方法进行特征降维。实验结果表明，特征降维之后，IOCM仍能保持很好的鉴别力。