龚丁禧，曹长荣

(厦门大学信息科学与技术学院，福建 厦门 361005)

0 引言

植物在人类生活中扮演着非常重要的角色，对各种植物分门别类地建立数据库，利用人工智能方法自动识别植物，对植物进行方便的管理和保护意义重大。

在植物形状分类学中，根据植物的花、叶的形状分为不同类别。在自然界中，通常花的形状结构是三维的，分析起来比较复杂，而叶片的形状结构一般都是近似二维的，比较容易处理。而且花期一般较短，不容易采集，叶片则一年四季都可以见到，较易采集。正是基于上述原因，叶片常被作为植物分类的依据。多年来，已经有许多植物学家和学者对基于叶片的植物识别进行了深入研究。Guyer等人［1］在1993年提取了17种叶片形状特征，并对40类植物进行分类。1998年，Im等人［2］使用分层的多边形来近似表示叶片形状，并将该方法用于多种枫树的分类。2000年，Oide和Ninomiya［3］将叶片形状作为神经网络的输入，并使用一个Hopfield网络和一个简单的感知器对大豆叶片进行分类。2001年，Soderkvist［4］使用叶片的几何特征，采用BP前馈神经网络对15种瑞典树木进行分类，实验用到的15种叶片组成的数据集后来成为一个标准数据集——Swedish叶片数据集，很多研究者利用该数据测试他们的方法。2007年，Ling等人［5］利用轮廓内最小距离改进形状上下文(Shape Context using Inner－Distance，SCID)，然后使用动态规划对叶片形状进行匹配。2007年，Felzenszwalb等人［6］使用一个分层的形状树模型(shape－tree)作为形状描述子，能够很好地描述叶片的全局形状与局部纹理。2013年，Zhang等人［7］将监督局部投影分析(Supervised Locality Projection Analysis，SLPA)用于植物叶片的分类，获得了很好的分类结果。……