1. 研究目的与意义（文献综述）

1.1 目的及意义

植物是地球生态系统的一个重要组成部分，目前已知的植物种类数量大约在40 万左右，还存在大量未被分类或未知的物种。

植物的分类识别是生物和环境科学非常重要的一个研究课题，对生物多样性保护，生态农业，生物安全等研究领域有着重要的意义。

作为植物的六大器官之一的植物叶片，因其方便采集，状态相对稳定，不同种类植物一般在其叶片的视觉特征上存在着差异，为植物的分类提供了非常有价值的线索，所以是植物分类的重要依据。

2. 研究的基本内容与方案

2.1 设计内容

1. 对叶脉进行轮廓提取，设计合理的叶片纹理提取方法；

2. 设计基于叶子轮廓，纹理特征的机器学习图像识别算法；

3. 对提取方法和所设计的识别算法进行实验评估，与当前世界领先方法进行比较。

2.2 设计目标

综合国内外学者提出的各种算法，设计并实现提取叶片纹理和轮廓特征的算法，基于叶片特征完成植物物种识别。

2.3 拟采用的技术方案及措施

1. 植物叶片的颜色可能随环境、标本存放时间等因素而改变，因此首先对图像进行灰度化处理，去除颜色的干扰。

3. 研究计划与安排

(1) 2018/1/14—2018/2/28：确定选题，查阅文献，外文翻译和撰写开题报告；

(2) 2018/3/1—2018/4/30：系统架构、程序设计与开发、系统测试与完善；

(3) 2018/5/1—2018/5/25：撰写及修改毕业论文；

(4) 2018/5/26—2018/6/6：准备答辩。

4. 参考文献（12篇以上）

[1] S. Zhang, Y. Lei, T. Dong, and X.-P. Zhang. Label propagation based supervised locality projection analysis for plant leaf classification[J]. Pattern Recognition, vol. 46, no. 7, pp. 1891–1897, 2013.

[2] J. S. Cope, D. Corney, J. Y. Clark, P. Remagnino, and P. Wilkin. Plant species identification using digital morphometrics: A review[J]. Expert Systems with Applications, vol. 39, no. 8, pp. 7562–7573, 2012.

[3] D. Zhang and G. Lu. Review of shape representation and description techniques[J]. Pattern recognition, vol. 37, no. 1, pp. 1–19, 2004.

[4] S. Loncaric. A survey of shape analysis techniques[J]. Pattern recognition, vol. 31, no. 8, pp. 983–1001, 1998.

[5] A. El-ghazal, O. Basir, and S. Belkasim. Farthest point distance: A new shape signature for fourier descriptors[J]. Signal Processing: Image Communication, vol. 24, no. 7, pp. 572–586, 2009.

[6] Wang Bin, Brown Douglas, Gao Yongsheng, Salle John La. MARCH: Multiscale-arch-height description for mobile retrieval of leaf images[J]. Information Sciences, 302 (2015) 132–148.

[7] Junwei Wang, Xiang Bai, Xinge You, Wenyu Liu , Longin Jan Latecki. Shape matching and classification using height functions[J]. Pattern Recognition Letters 33 (2012) 134–143.

[8] Sue Han Lee, Chee Seng Chan, Simon Joseph Mayo, Paolo Remagnino. How deep learning extracts and learns leaf features for plant classification[J]. Pattern Recognition 71 (2017) 1–13.

[9] Guillermo L. Grinblat, Lucas C. Uzal, Mónica G. Larese, Pablo M. Granitto. Deep learning for plant identification using vein morphological patterns[J]. Computers and Electronics in Agriculture 127 (2016) 418–424.

[10] Mads Dyrmann, Henrik Karstoft, Henrik Skov Midtiby. Plant species classification using deep convolutional neural network[J]. Biosystems Engineering 151 (2016) 72-80.

[11] 陈良宵, 王斌. 基于形状特征的叶片图像识别算法比较研究[J]. 计算机工程与应用, 2017, 53(9),17-25.

[12] 刘晶晶. 基于深度网络特征学习的植物叶片识别算法研究与实现[D]. 深圳大学, 2017.

[13] 忽胜强. 基于叶片图像的植物识别方法研究[D]. 河南理工大学, 2016.

[14] 张宁. 基于图像分析的植物叶片识别算法研究[D]. 北京林业大学, 2013.

[15] 张宁,刘文萍. 基于图像分析的植物叶片识别技术综述[J]. 计算机应用研究, 2011, 28(11):4001-4007.