文献综述
一、前言
植物是世界上物种数量最多且分布最广泛的生命形式，与人类以及环境的关系最为密切。由于人类生产活动造成了植物物种的灭绝，而植物在维持生物平衡、水土保持等方面又起着重要作用；同时，植物农业作为国民经济的命脉，是人们生活生产的基础部分，提高农业生产需要农业植物的精细数据，因此植物分类与识别具有非常重要的意义。
植物的分类与识别一般选取植物的局部特征，如植物的叶、花、果、茎等特征。这些器官都有各自的分类价值，但是相比起植物的其他器官，植物叶片的存活时间较长，在一年的大部分时间内都可较为方便地采集到，所以常作为植物的识别特征和认识植物的主要参照器官；同时叶形是研究植物物种的形态变异和分化的一个非常好的指标，因此基于叶片的识别是识别一种植物最直接有效且简单的方法。
传统的叶片分类识别需要操作者有丰富的分类学知识和长期的实践经验，且工作效率低、工作量大、数据存在一定的主观性，而这些都会影响到识别的客观性与精确性。由于植物叶片基本处于一个平面状态，适合进行二维图像加工处理。随着计算机的应用，探索如何利用计算机快速准确地识别植物叶片，是解决这些问题的一个切实可行的新途径。因此研究植物叶片识别技术，对于植物分类识别、植物资源的保护与利用、探索植物间的亲缘关系、阐明植物的进化规律、农业与园艺的实际应用等方面具有现实意义。植物叶片识别的应用前景主要有：
a)在保护植物与生物多样性、植物生态检测上有很好应用；
b)容易推广到植物的鉴别和良种的鉴别上；
c)在数字化植物标本博物馆系统上有很好的应用价值；
d)可以推广到植物叶片病害的鉴定上，保护农作物生长。
在国外，1986年，Ingrouille等人[1]采用27种叶形特征，使用主要成分分析方法对橡树进行分类。Guyer等人[2]在1993年提取了17种叶片形状特征对40类植物进行分类。1996年，Yonekawa等人[3]研究发现，简单的叶片形状因子对于植物叶片识别是有效的。国外学者运用判别式分析方法、匹配方法和机器学习方法进行植物叶片分类识别，取得了良好效果。2001年，Osikar[4]使用叶片的几项区域几何特征和矩特征，采用BP前馈神经网络为分类器，对15种瑞典树木进行分类。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
