植物是人类赖以生存的基础，对于人类极其重要。作为植物的重要器官，叶子一直以来是植物生长状态与种类识别的重要判据之一。随着计算机图像技术与各种移动端应用软件开发技术的逐步成熟，利用植物叶子的图像对植物的种类进行快速识别技术已经具备实现的可能。但是在获取自然生长状态下的植物叶子图像时，不得不面对复杂的背景。复杂背景直接影响到目标叶子的分割提取效果，进而影响到其特征信息的提取与识别的准确率，因此研究复杂背景下的植物叶子图像的分割及其特征信息的提取具有重要的应用价值。本文以安卓手机拍摄的复杂背景下植物树叶图像为研究对象，着重研究复杂背景下植物树叶的分割以及特征信息提取算法，并初步探讨朴素贝叶斯分类器在植物分类中的应用。这些研究为进一步实施植物生长状态的实时监控以及移动端植物种类识别的技术提供算法参考。论文的工作主要包括以下几方面的内容:　　1、介绍树叶图像的获取和图像的预处理。选用安卓手机拍照的图像与通过扫描仪获取的图像，并对获取的图像进行一定的预处理，为后续特征提取和叶子识别奠定基础。　　2、复杂背景下植物叶子的分割算法研究。根据获取的复杂背景的叶子图像的特点，提出基于颜色空间特征与数字形态学相结合的分割算法。运用超绿(ExG)算法增强目标绿色树叶与非绿色背景的对比性，再结合数字形态学以及逻辑运算的方法对叶子图像进行分割，探讨分割结果的错分率。　　3、研究植物叶子的形状与局部特征的算法。提出基于形态学的植物叶子形状特征提取算法;对于植物叶子的局部特征，利用块分析的方法对目标树叶图像进行分块，结合Hough变换、区域生长以及Harris角点算法对每一分块中的叶子主叶脉节点进行检测，最后汇总获得植物主叶脉的节点分布特征。　　4、初步探讨使用朴素贝叶斯分类器对叶子进行分类。将植物叶子图像提取的特征量作为朴素贝叶斯分类器的判断特征量进行输入并训练，然后进行分类。