在地球上的所有生命形式中,植物这种生命形式无论是数量,还是种类,都是最多和分布最广的,它们的存在对我们赖以生存的生态环境有着巨大的影响,必不可少。我们人类生存和发展也需要植物提供非常重要的资源,是我们食物链中必不可少的重要一环,没有植物为我们提供食物,就不会有农业,也就不会有现代的文明社会。农业是现代社会经济的命脉,是每一个人类赖以生存的基础。所以,对植物的研究一直在进行着。对于种类繁多且分布广泛的植物来说,研究它们的分类和识别工作是非常有必要的,也是一项繁琐的工作。随着机器及计算机科技的发展进步,采用数字自动化的方式能快速推动植物分类的研究,可以帮助我们更好的提高对植物的认识,让更多的植物为人类所用,也能更好的保护濒临灭绝的珍稀植物。运用计算机分类技术可以更好的在植物的图片采集,特征提取,分类和识别上的应用。在地球上的所有生命体中,植物在数量上和分布上都是可观的,并且对整个地球的生态具有巨大的调节作用,是人类生存和繁衍生息的重要保障。同时,植物在产生氧气供人类使用的同时,还能为人类提供大量的碳水化合物,是人类生存和发展的巨大宝库,植物在与人类相伴相生的同时,也会遭到人类的毁灭破坏,一些植物永远的从地球消失了。所以,为了更有效的保护地球的植物资源,我们人类需要更好的认识植物,研究其不同分类的生活习性,这也是研究植物分类的重要现实意义。只有充分认识了解了植物,才能更好地保护利用。现如今,计算机技术的发展可以很好的用在植物的分类识别上。在植物的组成中主要有:根部,茎干,叶子,花朵和果实。植物的根部和茎干在植物的生长过程中,来自外界环境的变化会引起这些部位发生适应性改变,从而适应性的生存下去。这样会导致它们在形态上和结构上都会发生变异,所以对于同种同期生长的植物,它们在外形、大小、高低、颜色等方面会存在不同程度的差异,这样就决定了利用根部或者是茎干的图像来识别植物是不太能实现的。对于植物的其他部分:像花、叶、和果实这些结构相对稳定,不会发生大的改变,这样它们的图像数据会更适合用计算机来进行处理。但是植物的花和种子大多都是三维的立体形状,这样识别起来会比较的复杂和繁琐。植物的叶片是植物进行光合作用、制造养分的重要器官,它有着易采集,性状稳定,特征明显的特点,可以很好的作为植物识别的一种方法。树叶识别是模式识别中的一类。这一技术被广泛应用于遥感遥测的识别,农作物生长情况的判断,森林植被、物种的判断。目前对于树叶识别主要采取的方案是BP神经网络、模糊算法等技术来完成。这些方案大部分都是侧重于从图像的角度入手来识别树叶。这些算法中通过提取叶边缘的轮廓进行图像分析或根据叶边缘的结构以及总的组合情况来完成对树叶特征值的提取,这种方法不但计算量大,需要从整片树叶提取特征值,而且效率低下,识别率不高。本论文采用的方案是从二维轮廓的角度来分析处理树叶的识别分类。将树叶边缘的二维空间特征图像提取出轮廓信号,并映射到二维平面坐标系内,这个坐标系可以是直角坐标系,也可以是极坐标系。通过分别实验分析,直角坐标系的叶片边缘性状特征提取方案,具有良好的稳定性、数据处理简单、能直观的显现等特点,但是特征数据的维度比较高、并且有些叶片的计算量会很大,这些是其重要的致命弱点。这就决定了直角坐标系比较适用于叶片边缘叶裂起伏变化剧烈,叶形锯齿化明显的叶片。而在极坐标系下进行的边缘提取的特征值,这些数据计算以后是一维的数组,只需要对这些一维数组数据进行一次遍历,就能够得到特征数据。可见其运算量会比较小,并且速度也会很快。所以,极坐标系下的提取方法更适用于树叶边缘变化比较平缓,叶裂不明显,叶片形状近似于圆形或者椭圆形,对比直角坐标系下的提取方法可以减少不少计算时间。