1. 研究目的与意义
植物是生物圈的重要组成部分，其中，叶片是植物的一个重要特征，不同的植物叶片在叶形及叶脉等外部特征上都不尽相同，这就使我们能够很好地利用植物叶片的特征来对植物分类。过去这类工作是由人工完成，不但工作量大，而且工作效率比较低。随着数字图像处理技术的快速发展，我们可以有效地借助计算机进行辅助操作，这样可以提高识别的准确性，从而提升了工作效率。
随着人工智能的日臻成熟，数字图像处理技术广泛用于农业、工业、军事等各个领域。利用数字图像处理技术对植物叶片分类是完全可行的。本文拟对采集的植物叶片图像进行去噪、边缘检测等预处理，通过提取叶片图像外部特征参数，利用神经网络实现植物叶片的自动识别。
本论文的主要任务是利用数字图像处理技术及其神经网络模式识别方法应用到植物叶片分类应用领域，该研究是工农交叉性研究，在一定程度上促进了植物学、农业及林业领域信息化的发展建设，为植物学农林业的迅速发展提供了强有力的技术支持，从而对推动经济的跨越发展起到了重要作用。
2. 国内外研究现状分析
植物的识别与分类对于区分植物种类，探索植物间的亲缘关系，阐明植物系统的进化规律具有重要意义。因此植物分类学是植物科学乃至整个生命科学的基础学科。然而，由于学科发展和社会等原因，全世界范围内目前从事经典分类（即传统的形态分类）的人数急剧下降，且呈现出明显的老龄化趋势，后继乏人，分类学已经成为一个濒危学科(Buyck,1999)。这不仅对于植物分类学本身，而且对整个植物科学和国民经济的发展带来重大的不利影响。目前植物识别和分类主要由人工完成。然而地球上仅为人所知的有花植物就有大约25万种，面对如此庞大的植物世界，任何一个植物学家都不可能知道所有的物种和名称，这就给进一步的研究带来了困难。在信息化的今天，我们提出的一种解决方案是：建立计算机化的植物识别系统，即利用计算机及相关技术对植物进行识别和管理。
3. 研究的基本内容与计划
一、研究内容
本文利用matlab7.0作为仿真软件，实现树叶图像的去噪、分割、边缘检测等操作。树叶特征提取，分别进行外轮廓和脉络提取，把提取到的外轮廓和叶脉信息融合处理，把图像预处理后的样本进行选择某些特征参数,并进行分析。神经网络识别，根据提取的特征参数,采用多特征神经网络集成分类器的规则,对图像信息进行分类和识别,从而得到识别结果。
二、研究计划
4. 研究创新点
程序：程序编写条理清晰，简单易懂，便于查看。
算法：利用matlab中所含有的函数进行特征提取等算法，准确方便。
过程：图像分析的植物叶片识别主要有图像预处理、叶片特 征提取和叶片分类识别三个步骤，简单明了。
