小波变换的基石是傅里叶变换,而傅立叶变换主要受到不确定性原理的影响,或者说傅立叶变换在频域和时域之间是缺乏分辨率的。将信号分解成小波比分解成频率,能够得到域中更好的分辨率。然而当使用小波变换时,信号是被转换成小波域的,通过这种转换方式,小波变换可以运用到机器学习和图像识别中。机器学习、图像识别等技术广泛运用于各领域,国内外研究中,有将小波应用于图象识别,人脸识别,自然语言识别等识别领域的,一般有如下几种方法:使用小波对图像进行分层或切割再对部分图像进行指标分析;使用几种尺度函数在不同方向上提取一维小波系数进行研究;将图片降到超小维度,再使用二维小波进行识别。在将二维小波应用于图像识别领域的研究中,大多数方案使用的是图片库,但是一旦出现非图库中的图片,识别率就非常低,针对图像识别面临的这个难题,研究出一套适用更多图片的算法就显得具有广阔前景和应用价值。本文在小波分析过程中不使用图片库,选取单个花朵图片,利用提取二维小波分层尺度系数,结合主成分分析降维,选取可以识别出花朵种类的特征值,最后使用决策树进行花朵种类识别和模型评估。本文的主要研究工作如下:基于图像的基本处理,提取图像的灰度矩阵,提取图像的分层近似小波系数。基于主成分分析,对提出的小波系数进行降维。基于决策树,对系数进行训练和预测,将决策树迭代10000次,得到该模型的花朵图像识别正确率。