在现代农业生产中,叶片形状是区分不同植物植被群落最为常见的指标,而叶片形状在现有研究的图像处理过程中表现为叶片边缘。因此,叶片边缘特征的提取对区分并准确识别不同植物植被群落具有重要意义。本文通过对植被群落中叶片边缘特征提取算法的研究,对植被群落中的叶片边缘进行提取,为准确识别不同植物提供理论基础。而田间植被群落的实际情况往往非常复杂,各种叶片重叠覆盖相当严重,并且其中混杂了各种作物与杂草。因此,首先从植株叶片开始进行分析研究,最后扩展到植被群落。提取植株图像的叶片边缘,首先要采集植株图像。图像采集完成后,就要对图像进行处理。图像分割是图像处理的第一步,也是图像处理的基础,图像分割效果的好坏直接影响后续图像处理的一系列处理。本文选择阈值分割算法对植株图像进行分割处理,分割特征选择的是没有归一化的超绿特征,归一化的绿色特征和绿色特征。通过对植株图像进行分割处理,得到叶片灰度图。然后基于现有的边缘提取算法对叶片灰度图进行边缘提取,得到的叶片边缘二值图效果很不理想,没有提取出重叠叶片的叶片边缘。通过分析不同分割特征的分割效果和影响分割效果的因素,发现光照强度的变化对图像有很大的影响,不同光照强度下植株图像的叶片和叶片边缘会产生不同的变化趋势。因此,本文提出基于不同光照强度提取植株图像的叶片边缘。在不同的光照强度下,植株图像的叶片和叶片边缘的变化趋势不同。本文通过采用sobel模板和perwitt模板来对叶片灰度图进行处理,将叶片和叶片边缘不同的变化趋势表现出来。通过分析发现,叶片边缘在不同的光照强度下很不稳定,变化趋势大;而叶片在不同的光照强度下很稳定,没有变化趋势。因此,本文提出用不同光照强度下叶片灰度图像灰度特征值的方差来提取植株图像中重叠叶片的叶片边缘。采集不同光照强度下的植株图像,基于本文提出的叶片边缘提取算法对植株图像进行叶片边缘提取,得到植株图像中重叠叶片的叶片边缘。最后,基于不同光照强度下的叶片边缘提取算法对植被群落的图像进行叶片边缘提取。成功得到植被群落图像中重叠部分的叶片边缘,为不同植物植被群落的准确识别提供理论依据。