1. 研究目的与意义、国内外研究现状（文献综述）
1、课题的意义植物[1]种类多样，物种繁多,在人类生活中扮演着十分重要的角色。
农业植物更是国民的经济命脉,民以食为天,加深对植物的认识和理解,提高植物的产量对人类生活有着至关重要的影响。
随着人类社会的快速发展,经济增长迅速,人类对自然的影响正在渐渐増强,人类的生产活动造成了对环境的破坏,许多植物正在漸临灭绝,同时植物种群数目也在逐年下降,对人类的生产生活、生存状况带来了难以预计的恶果。
3. 研究的方法与方案
本设计通过阅读文献，决定基于matlab来完成预定的目标，具体研究方法和技术路线如下：（1）通过阅读文献，学习图像预处理理论知识，通常分为图像灰度化、图像分割和图像去噪。
灰度化的方法有加权平均法、最大值法、平均值法, 图像中各个目标都有着灰度值的变化,这种差异性表现在目标和背景的灰度值存着不同,根据不同区域的灰度级不同这个特性,图像可以被分成目标对象和背景区域，经过图像分割之后,图像中会存在少许噪声点,可选用中值滤波去除噪声点。
（2）采用弗里曼链码法、傅里叶描述子、多尺度曲率空间方法等方法提取植物叶片的形状特征；采用分形、小波变化、gab小波变换以及局域二值模式等方法提取植物叶片的纹理特征；采用rgb、his等颜色空间模型提取颜色特征值。
4. 研究创新点
1、在提取特征时运用多种算法，比较不同算法提取的特征向量对分类器识别率的影响。
2、通过统一不同数据集，扩大样本，提高叶片识别系统的识别范围。
5. 研究计划与进展
2017.12-2018.01任务一：完成开题工作2018.02任务二：查阅并分析文献，学习图像预处理理论和特征提取相关算法，学习matlab图像预处理、颜色特征纹理特征以及形状特征的多种提取算法并学习matlab编程语法。
2018.03任务三：开始提取特征并熟悉bp神经网络分类器算法。
2018.04任务四：将提取的特征向量开始投入bp神经网络分类器进行训练，将单个特征训练的识别率与组合特征训练的识别率进行比较并完成毕业设计报告准备毕业设计答辩
