1．目的及意义
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。在植物叶片的视觉特征中，叶片的形状特征在分类识别中起着主要的作用，不同种类的植物在叶片形状差异上的显著性，为植物学家鉴定物种提供了依据。

植物物种识别是当前环境信息领域重要的研究热点之一，目前公开的叶子图像数据库中的叶子具有特征类间距较小和特征类内距较大的特点，这也为当下利用叶子特征信息进行物种识别带来了严峻的挑战。基于叶子特征信息的图像识别算法主要包括基于纹理特征，轮廓特征，叶脉特征以及边缘特征。本题目主要基于包括叶片纹理、轮廓等的综合特征，期望提出一种具有健壮性、高识别率、高效率的叶片图像识别算法。

1.2 国内外研究现状

近年来，研究者在基于叶片边缘及纹理特征的植物叶片识别方面有很大的进展。

在边缘分析方面，植物学家一般使用叶缘锯齿曲率的定性描述(Ellis 等，2009)。使用叶缘的研究通常将其与其他特征相结合，Clark (2009)和 Rumbinen，Bartish (2002) 都使用手工测量，如锯齿的长度和宽度，以与各种线性形状测量结果一起使用。 Clark (2004)表明，多层感知器在从形态特征识别物种方面优于计算机生成的分类码。 Clark (2009)使用自组织映射从相似的形态特征中识别物种。 McLellan 和 Endler (1998)使用了连接相邻轮廓点和其他单值叶特征的直线之间的角度之和。以及 Wang 等人(2003)比较了等高线周围各点的角度直方图。对于有锯齿的植物物种，如果有足够的完整叶片，那么齿缘区域的面积和牙齿的大小和数量可能是衡量的有用的特征。

而在叶脉分析方面，许多传统的和新颖的分析技术已经被应用于叶片。 Backes 等人将多尺度分形维数(2009)应用于植物物种的叶纹理识别。 Casanova 等人(2009)在较大的数据集上使用了一组 Gabor 过滤器，计算了所应用的每个过滤器的响应能量，并取得了合理的结果，而 Liu 等人提出了一种基于小波变换和支持向量机的方法( 2009)。 COPE 等人(2010)利用不同尺度的 Gabor 过滤器对 32 种栎的鉴别率达到 85\% 。使用的其他技术包括傅立叶描述子和灰度共生矩阵。
{title}

2. 研究的基本内容与方案

{title}

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。

灰度化处理采用加权平均法。

2. 图像分割后可能会产生一些噪点，拟采用中值滤波的方法去除噪点。

中值滤波可在有效去除噪点的同时，保留图像细节信息。

3. 采用傅里叶描述子提取叶片轮廓信息。

傅里叶描述子广泛用于图像分析、机器视觉和目标识别的应用中。

叶片边缘是一条封闭曲线，取边缘上一动点，其坐标变化是一个周期函数。

将这个函数展开成傅里叶级数，级数中的系数即为傅里叶描述子，可用于描述叶片轮廓的形态。