植物保护和研究需要植物分类与识别,植物的叶片是最重要的识别器官,采用基于图像分析的植物叶片识别技术,这对于普及植物分类以及保护知识起到推动作用。如何进行基于图像分析的植物叶片特征提取和种类识别,是本文的研究重点和主要内容。作者对近年来基于图像分析的叶片识别技术进行了广泛研究,将目前的分类方法分为三类,基于关系结构匹配的识别、基于统计学的识别和基于机器学习的识别方法。针对植物叶片识别中分类器设计和训练识别时间较长的问题,提出了一种基于克隆选择算法和K近邻判别分析(CSA+KNN)的叶片识别方法。首先采用最大类间方差法和中值滤波去噪法进行图像预处理；然后采用边界跟踪、基于双向极角的凸包顶点判别算法、最小外接矩形计算法等得到基于区域的植物叶片特征,采用毯子算法得到叶片的纹理特征,基于灰度共生矩阵得到其他纹理特征,从而组成叶片综合特征信息；最后将人工免疫系统下的克隆选择算法与K近邻判别法相结合(CSA+KNN)进行植物叶片样本训练,并进行植物叶片识别。本文在100种植物叶片数据库中进行测试,并与BP神经网络等方法相比较,实验结果表明了该识别方法的有效性以及较高的训练速率,同时验证了纹理特征在叶片识别中的重要性。