植物是世界上物种数量最多,分布最广泛的生命形式,影响着人类赖以生存的生态环境。因此快速有效地识别植物种类,对于区分植物、探索植物间亲缘关系、阐明植物系统进化规律具有重要意义。本文以提取图像纹理特征为理论依据,采用植物叶片图像来进行植物物种的识别。由于多分辨率分析在图像处理上,尤其是在纹理分析中有着广泛的应用,因此我们将其运用到植物叶片图像的识别中。我们将Gabor滤波方法和近年来热门的小波分解方法也应用于植物图像分析。为使提取的植物图像纹理特征具有旋转不变性,同时为尽量消除光照的影响,我们引入了一种近几年新兴的局域二值模式(LBP)纹理分析方法,这种方法通过刻画图像像素点邻域内灰度的变化来描述图像的纹理结构特征。为克服LBP由于采用多分辨率而导致的存储空间呈指数增长的缺点,我们提出一种Gabor分块局域二值模式方法,它充分利用Gabor滤波的多尺度和LBP的恒定二值编码的特点,因为LBP具有灰度尺度和旋转不变性,降低了光照和旋转变形对识别效果的影响,同时通过分块处理增强了局域特征描述的能力,使之更适合植物图像处理。提取出纹理特征后,利用支持向量机分类器对植物叶片进行识别,以达到植物物种分类的目的。实验表明,该方法分类效果良好。同时,我们使用Visual C++6.0开发了植物叶片图像识别系统,已经实现了对27种约500幅叶片图像的快速识别。本文最后指出了对于植物分类研究存在的一些问题及今后要进一步开展研究的工作。