植物是生物圈的重要组成部分,在人类生产、生活的众多领域中都发挥着不可替代的作用。植物分类学是植物学研究和农、林业生产经营领域中非常重要的基础性工作,分类的主要依据是植物的各种外部特征。其中,叶片是植物非常直观的重要特征,不同植物的叶片在颜色、叶形构造以及叶脉分布等外部特征上都不尽相同,这就使我们能够有效地利用植物叶片的特征来对植物进行分类。过去这类工作都是由人工完成,不但耗时久、工作量大,而且工作效率相对比较低。随着当前模式识别技术和数字图像处理技术的快速发展,在完成此类工作的过程中我们可以有效地借助计算机进行辅助操作,这样一方面大大减少了工作量,另一方面也提高了分析的准确性,从而提升了工作效率。本文对模式识别技术和数字图像处理技术的相关内容进行了大量的文献研究,以此为前提引入了LBP(Local Binary Pattern,局部二进制模式)方法。LBP方法是一种进行图像纹理分析的行之有效的方法,具有理论简单明了、计算方便快捷、应用准确实用等诸多优点,在当前模式识别和数字图像处理的很多前沿领域内都有着广泛的应用。本文对LBP方法的相关概念及理论进行了概述,并且在总结此前多个领域内LBP方法的理论研究与实践应用的基础上,提出了将LBP方法应用于植物分类识别领域的创新研究。本文重点所做的工作包括:应用数字图像处理技术对采集到的叶片样本做前期图像预处理;研究并提出了将LBP方法应用于植物叶片图像纹理特征提取环节的相关方法;编程实现了用于提取叶片样本特征的LBP方法的各种算子;设计和实现了基于LBP的树叶识别系统。最后,对本系统进行了实验测试,对取得的结果进行了详细的分析并对今后的工作进行了展望。