绿色植物对人类赖以生存的地球环境，尤其是对城市环境有着非常重要的作用。以前的植物叶片识别系统都是在PC上或者Arm板上开发的，携带不方便，且硬件受到限制，识别率不高等等。本文主要完成了基于LBP特征的叶片识别以及Android系统的实现。　　 基于LBP特征的叶片识别包括三个部分，分别是叶片图像预处理，LBP的特征提取和分类器的设计。叶片图像预处理方法主要包括图像灰度化、图像降噪、图像分割三个环节。然后我们提取叶片图像的多分辨率重叠分块的LBP特征。接着针对特征设计分类器。由于叶片识别是一个大样本问题，识别时对识别速度要求非常高，需要生成模型加快识别速度，那么选择支持向量机作为分类器能非常好的满足要求。　　 Android系统实现部分，该系统采用C/S模式，提供了在大数据库情况下进行手持识别的方案，不仅携带方便，而且在网络状况良好的条件下，在识别速度上得到了大大提高，本文提出的多分辨率重叠分块的LBP方法也使得识别精度上有了很大改善！我们使用VS2010来开发了植物叶片识别系统的服务器端，使用Eclipse来开发Android客户端。由于该系统识别部分采用的是面向对象的设计方法，因此很多新的特征提取方法以及分类方法都可以直接添加到该系统中，功能扩展非常方便。系统运行流程如下:首先，Android设备端和服务器端建立网络连接。然后Android设备端进行一系列操作，其中包括从本地获取图片，来自相机拍摄的图片，先对图片进行分割前预处理，然后再对图片中关键叶片部分运用GrabCut算法进行抠取处理。处理完成之后将抠取结果发送服务器端进行多分辨率重叠分块的LBP特征提取，然后启动服务器端的识别功能模块，对提取的特征进行识别，响应Android设备端的识别请求，完成操作后将植物叶片识别结果反馈给Android设备端。最后，Android设备端获取服务器端发送的识别结果，从而实现了叶片识别的整个过程。