随着数码技术的快速普及,网络花卉图像数据急剧增加,有效的花卉分类效果对于花卉图像分析质量和检索性能的提高就显得愈加重要。然而花卉因其所处背景复杂,种类繁多,且不同类别的花卉之间具有很大的类间相似性,以及同一类别的花卉之间具有很大的类内差异性,使得花卉图像分类成为植物学研究领域和图像研究领域的一个极具挑战的研究课题。传统的花卉图像分类方法通常是基于二分类模式的,在决策花卉图像类别时只有接受与拒绝两种选项,而且,一般获取到的花卉图像信息不完整和不确定,导致图像分类精度并不高。三支决策因其可以在获取事物更多信息后再进行延迟决策,成为一种有效的分类模型。为有效地提高花卉图像分类精度,本文对基于三支决策的花卉图像延迟分类进行了研究,主要研究内容包括以下三个方面:(1)为获取更多有效的花卉图像信息,给出了一种面向花卉图像分类的三支决策域之间的转移规则。该规则主要在“三分-治略”模型的基础上,定义了一种负域和边界域向正域转移的方法。首先利用初始信息选取恰当的阈值进行三分;然后通过提取花卉主体区域、增加视觉词典维度和提取新特征三种方法来获取更多的花卉图像信息,并在融合初始信息和新信息后选取相同的阈值进行三分,使得边界域和负域的对象向正域转移;最后在Oxford-17-flowers数据集上进行实验,验证了所提转移规则的有效性。(2)为提高花卉图像分类精度,给出了一种基于三支决策的花卉图像延迟分类方法。该方法首先定义了一种面向花卉图像分类的多层“三分-治略”模型,然后结合(1)定义的转移规则以及实现转移的方法,实现了花卉图像延迟分类。具体地,首先利用单一特征对花卉图像进行分类,并依据决策状态值选取适当的阈值将图像集三分为POS1域、BND1域和NEG1域;然后分别对BND1域和NEG1域所包含的花卉图像提取新特征,在融合新特征后分别对BND1域和NEG1域包含的图像进行分类,并依据决策状态值选取适当的阈值对相应的图像集继续三分,依此进行多层“三分-治略”,进而提高图像分类精度;最后在Oxford-17-flowers和Oxford-102-flowers数据集上进行实验,验证了所提分类方法的有效性。(3)设计并实现了一个基于三支决策的花卉图像分类原型系统。在上述研究的基础上,以MATLAB 7.0和VB 6.0为开发工具,设计并实现了一个基于三支决策的花卉图像分类原型系统。