随着计算机图像处理和模式识别技术的发展,计算机植物种类的自动识别与分类也就成为了可能。目前植物识别和分类主要由人工完成,它的主要依据是植物的外观特征。由于植物的外观特征可以通过数字图像方式获得,那么利用图像处理,模式识别等技术进行植物种类识别将大大提高识别效率。计算机自动植物识别技术的研究内容和目标是提取植物的特征,分类并认识植物,进而能在众多的植物中识别出已经认识的植物,或者找到相似的同类和近亲植物。它在认识和正确识别植物种类,植物博物馆的数字化,良种的识别,以及机械除草等方面有着重要的应用价值。本文首先综述了计算机植物种类识别的基本概念和原理,并针对不同的方法和技术对现有的计算机植物识别方法进行了总结和比较。根据目前算法的一些不足,提出了一种新的基于植物叶片特征的计算机植物种类识别方法。该方法在特征提取方面进行了改进和创新:首先对叶片图像进行预处理:利用高斯低通滤波去除噪声;接着通过获取叶片的近似长宽比,计算叶片外轮廓边界的七个矩不变量等方法提取其几何轮廓特征;然后使用2-D离散小波变换对叶脉图像进行分解,分别对叶脉图像不同尺度下的小波系数提取纹理统计矩,共得到72个叶脉的纹理特征值,用这些特征值表示叶脉的纹理特征;最后根据所得到的叶片特征值,利用自组织特征映射(SOM)神经网络作为分类器来识别植物种类。根据本文提出的方法,我们在计算机上进行了仿真实验,实验分析表明了该方法的有效性和可靠性。本文提出的基于叶片特征的计算机植物种类识别方法的研究成果,将人们对计算机植物种类识别的研究进一步深入,也显著提高了计算机植物种类识别的正确性。本文最后对计算机植物种类识别的未来工作进行了展望,介绍了它的广泛前景,也期待越来越多的计算机植物种类识别方法的出现。