1 国外的研究现状 在国外，计算机设备辅助并设计的植物分类的研究工作，起步很早，这可以追溯到 20 年前，在社会上也非常重视该项研究。1986 年，MJ Ingrouille 等人提出了一种针对橡树种类的分类方法，他们使用轮 廓特征、深度比、边缘曲率等特征，来对橡树叶片的数字图像进行分类。81518

1990 年，Chen 和 McDonald 等人采用数字形态学特征，提出了通过 33 个色 彩纹理特征对植物进行分类的方法;

1998 年，Im 等人采用了分层的形状特征来识别植物的种类，他们首先通过分 析不同叶片的物理形状特征，提取了形状特征的部分细节，然后利用不同种多边形 去逼近叶片的形状与结构来实现植物的分类识别。其结果证明，叶片形状特征可以 用于植物分类领域。论文网

2009  年，Kebapci 等人使用最大流和最小割的分割方法来提取植物的基础框架，再利用图像的颜色特征、纹理特征等来进行匹配，准确率达到 60% 左右，从 研究结果而言取得了较好的成果。

2010 年，Beghin 等人结合了叶片形状特征以及纹理特征来进行植物叶片的分 类工作。

2011 年，Rossatto 等人根据利用植物叶片的纹理特征对植物进行分类，他们描 述叶片是通过使用体积分形维数来描述叶子实现的，然后对特征向量的分类是基于 一个朴素贝叶斯分类器对特征向量分类实现的，但是，些许不足的情况是该方法必 须要高质量的照片，对硬件配置要求很高。

由美国哥伦比亚大学教授 Peter Belhumeur、马里兰大学教授 David Jacobs 以 及美国史密森博物院 (Smithsonian Institution) 的植物学家 John Kress 联合成立了一 个 Leafsnap 研发小组，还有其他一些合作者。这些人他们经 8 年的时间拍摄并收 集了不同种类的植物叶片树叶，设计并制作出世界上第一款在苹果 IOS 操作系统 上的植物叶片识别软件，它是首款识别植物的移动应用程序。2011 年 5 月 15 日，Leafsnap 上架 App Store。其后，2012 年，他们基于该软件又发表了一篇国家 三大会议之一的 ECCV ，由此可见，对植物叶片的识别研究也是非常有前途的， 花卉识别也具有相当的研究价值。

2 国内的研究现状

相比国外而言，国内在植物分类识别等研究领域的科学起步较晚，并且在起初 并长期也得不到足够的重视，所以这一领域研究的成果也相对较少。但是，最近十

多年间，全国各地的研究人员慢慢加强了对植物的数字图像进行分类的研究，他们 利用模式识别以及数字图像处理等相关技术对已知植物的进行分类，卓有成效。

在国内前期的研究工作中，研究方法与国外相比较为相似，都是从形状特征开 始的，这是因为形状特征是能凸显出植物特点的最主要特征，从人类自身的分类经 验看出，它是人类对于植物分类的非常重要的方法之一。

从 2005 年起，中国科学院合肥智能研究所的智能计算实验室的研究人员在植 物叶片分类与识别方面上已经取得了很多的研究成果。

2005  年，王晓峰等人针对根据叶片的植物分类识别设计出了移动中心的超球分

类器，使用此分类器，可以快速准确地识别出 20 多种的植物叶片图像; 2008  年，王晓峰等人 出了一种标记控制的流域分割方法 (Beucher and

Meyer1990)，可以解决复杂背景下的植物叶片图像的分类识别问题;

Xiao 等人将方向梯度直方图算法(histogram of oriented gradients, HOG)应用到植 物叶片分类领域中，其依旧是对形状特征进行述，并使用了最大间距准则对特征进 行降维，也得到了不错的效果。

由以上可见，国内外主要的研究工作都是限定在特定的一些植物种类 中，并且 主要是应用在 PC 上的，还有机遇 ARM 板的，针对在移动手持终端设备上的植物 叶片分类识别的研究非常少，目前为止，仅仅在苹果的 IOS 平台上有了一款软件 成品，而在 Android 平台上的植物叶片识别系统暂时还尚未有人发布进行植物叶片 的识别研究十分匮乏。现在大部分的研究都是在 PC 上进行的，从实用性的角度来 看，还是并不实用的。