地球上的植物种类千万种，这些植物在自然界中扮演着重要的角色，也是人类赖以生存的必要条件之一。植物对自然界中空气成分的更新也起到至关重要的作用，它们能够进行氧气和二氧化碳的源源不断的循环。植物也能够固化水土，防止水土流失。　　 自然界的植物对人类的生存具有非常重要的意义，因此我们要更好的保护植物物种，使我们的生存环境能够可持续维持和发展。本文主要研究的内容是对植物叶片图像进行分类识别，所开发的植物叶片识别系统能够帮助人们更多的了解植物物种。本文从植物叶片图像的处理、植物叶片图像特征的提取、植物叶片图像分类器的设计和实验、植物叶片图像的识别系统的开发四个方面进行研究和阐述。　　 植物叶片图像处理章节主要阐述对采集到的植物叶片图像进行的图像预处理。植物叶片图像特征提取章节主要是从五种特征进行分析与描述，包括植物叶片图像的几何形状特征、植物叶片的矩特征、植物叶片图像的形状上下文特征、傅里叶描述子特征和本文提出的基于有序序列傅里叶变换的幅频特性特征，这些特征具有各自不同的特点，其中前三个是基于欧氏域空间的几何特征，后两个是基于频域的特征。植物叶片图像特征分类器设计和实验章节阐述了分类器的模型设计和实验。分类器用到了传统的模式识别分类器，K近邻分类器和支持向量机分类器。本文主要对频域的特征进行了实验，实验中所用到的植物叶片数据库是瑞士植物叶片库和ICL植物叶片库，通过实验结果分析比较频域中的两个特征的识别效果。植物叶片图像识别系统章节从软件和硬件两方面进行了阐述。硬件主要说明了所用到的嵌入式开发板以及开发板的参数等信息;软件部分主要是从软件的各种操作进行描述。