叶片图像特征提取对于植物自动分类识别有着重要的研究意义。国内外学者对基于图像分析叶片识别进行了研究,并取得了一定的研究成果。图像特征提取和分类器技术的发展在叶片识别研究中起到了重要的推动作用。本文以观叶植物叶片为研究对象,采集了50种观叶植物叶片图像,得到每种植物无明显斑点且叶片大小和成熟度不等的完整叶片图像约15幅左右,构建了观叶植物约750幅叶片图像的数据库。按照基于图像分析的观叶植物叶片识别步骤和方法,综合提取了每种观叶植物单个或多个叶片图像的11个颜色特征,10个形状特征,5个纹理特征,基于支持向量机(SVM)原理提出了基于图像分析与自动识别的观叶植物分类方法。根据这些识别方法和技术,在Visual Studio2012环境下使用C++编程语言基于MFC开发实现了观叶植物叶片图像特征提取与识别系统。通过对50种观叶植物样本图像进行训练和识别,与BP神经网络和KNN识别方法相比较,本文所设计分类器的平均识别率能够达到91.41%,取得了较好的识别效果。然而SVM分类器虽然能够实现较高的识别率,但是它训练过程时间较长,影响了系统的识别效率,下一步工作重点将是如何优化叶片图像的特征提取及SVM分类器模型,缩短训练及识别时间并且提高识别率。