现有植物叶片识别方法都是基于扁平状叶片,而干旱区植物叶片多呈针叶,因此不适合干旱区植物叶片的识别,使得对于干旱区植物研究主要依靠专家识别,不利于对干旱区植物叶片的进一步研究。本文提出使用差异性值监督局部线性嵌入算法(D-LLE),充分挖掘样本之间的类别信息,提高干旱区植物叶片的识别效率。首先利用金字塔梯度方向直方图(PHOG)的方法提取叶片图像特征,再使用PCA、LLE、WLLE、D-LLE的等主流的降维算法,对提取的PHOG特征进行降维,最后建立支持向量机(SVM)的分类模型对植物叶片图像分类。经过这四种降维算法后的平均识别率分别为76.3%、85.3%、89.1%、95.5%;骆驼刺、苦豆子和沙枣的叶片正确识别率,相对其他植物叶片较低。通过实验证明,PHOG特征在植物叶片特征提取的可行性,再使用D-LLE算法相比传统特征降维的算法具有更高的效率,且较适合于干旱区植物叶片的自动识别分类。