植物叶片识别对于相关植物知识的普及和植物学相关学科的发展有一定的促进作用,对于研究植物的系统的进化具有很重要的意义。近年来,国内外在植物叶片识别方面的研究取得了很多的竞进展。但是,植物叶片自动识别的准确率仍有提升空间。本文将通过对叶片的纹理和颜色特征的提取方法的研究,来对植物叶片的识别算法进行改善。本文首先阐述了植物叶片识别的背景和意义。并回顾了国内外在植物叶片识别领域的研究情况。然后简要介绍了植物叶片识别需要使用的相关技术。例如叶片图像预处理技术等。为了提高植物叶片图像识别的准确率,本文提出了一种基于灰度-方向共生矩阵的叶片纹理特征提取算法和一种改进的叶片颜色特征提取算法,接着提出了一种基于K-means和SVM的分类器模型。最后将纹理和颜色特征提取算法与基于K-means和SVM的分类器模型一起构建了一种植物叶片的识别算法。其中灰度-方向共生矩阵主要是根据叶片的纹理呈现出从叶片主轴向两侧延伸的角度变化情况与灰度值情况建立起来的。并使用能量、惯性矩、逆差矩、混合熵等描述量来对纹理特征进行表征。改进的颜色特征提取方法主要是在基于HSI中心矩的叶片颜色特征提取算法的基础上,利用叶片的颜色在叶片上的不同分布情况来进行颜色特征提取的。主要思想是将叶片分成多个小区域,然后再选取色调和饱和度两个颜色分量结合相应的空间位置信息来对颜色特征进行提取。最后通过实验,证明了本文所提出和改进算法的有效性。此外,本文还基于本文所提出的叶片识别算法设计和实现了一个植物叶片识别系统。