张 航，颜永丰

（西北农林科技大学 信息工程学院，陕西 咸阳712100）

0 引 言

植物的分类研究对于区分植物种类、探索植物间的亲缘关系、阐明植物系统的进化规律具有重要意义［1］，计算机辅助植物分类可以极大地提高植物分类与管理效率。

在基于叶子特征的植物图像分类识别领域，早期的研究主要采用叶子的形状特征作为分类特征集合，后来的研究表明，由于纹理特征反映了图像的灰度统计信息、空间分布信息以及结构信息［2］，能够更加有效地描述图像的特征。

常见的纹理特征提取方法主要有灰度共生矩阵、小波特征、Gabor滤波器特征、局部二值模式 （local binary pattern，LBP）、随机场模型、分形维数等等［3－7］。传统纹理分析方法主要问题在于不能从多尺度有效描述纹理特征，目前在诸多领域得到广泛应用的小波理论为时频多尺度分析提供了精确统一的框架，解决了传统纹理分析方法的瓶颈。小波变换提供了一种在不同尺度上图像纹理细节分析的工具，能够更加准确地进行图像纹理分类。但是由于传统的塔式小波分解仅利用了图像低频子带的信息，然而高频子带包含了图像的边缘，轮廓和部分纹理信息，这导致纹理分类效果往往不够理想［7］。

为了克服小波变换的这一缺陷，增强算法的适应能力和鲁棒性，可以通过引入灰度共生矩阵的方法来解决这一问题，灰度共生矩阵利用了图像中像素相对位置的空间信息更加准确地描述图像的纹理，具有较强的适应能力和鲁棒性［3］，可以用来统计各子带小波系数的低频和高频信息。……