植物是生命的主要形态之一,其种类已达40多万种,对其进行分类识别在生物多样性保护、生态农业、生物安全中有着重要的意义。不同的种类的植物一般有着不同的叶片形状,因此叶片的形状特征在植物分类中扮演着重要的角色。然而叶片之间存在着较大的类内差异和较小的类间差异,不同种类的叶片往往形状很相似,因此仅仅采用叶片的形状特征作为识别叶片种类的依据是不够的。本文首先介绍了目前流行的叶片图像识别算法,并对这些算法的优缺点进行了评价,对现有的算法进行了分类,对目前各类最先进的识别算法进行了分析和比较,接着重点介绍了本文提出的叶片图像识别算法:(一)提出一种基于圆周特征的植物叶片图像描述和识别方法,采用圆心角特征和圆周积分特征来描述叶片形状特征,灰度特征则用圆周灰度统计特征来表示,包括圆周灰度均值特征和圆周灰度标准差特征,并分析了它们对平移、旋转、缩放的不变性。(二)提出了一种多尺度选择方案,并用多尺度的方式提取叶片的形状和灰度特征,从而形成多尺度特征向量,再结合离散傅里叶变换,消除了描述子对轮廓起始点的依赖问题。(三)在Flavia叶片测试集和Swedish叶片测试集上对本文提出的圆周特征描述法进行了测试,分别用查准率(Precision)/查全率(Recall)曲线法、平均精度均值法(MAP)和计算分类率的方法对圆周特征描述法进行了测试评估,通过调整实验中的参数来确定最佳尺度个数和最佳权重,通过与其他叶片识别算法进行对比证明了本文算法的有效性和优越性。