植物是人类赖以生存的必要元素,一直以来都是人类关注的焦点。随着计算机视觉以及机器学习的高速发展,人们越来越希望能对利用计算机来自动完成植物图像的分类、识别、检索工作。但由于植物种类数量的繁多以及植物之间存在的多样性,使得这个任务具有巨大的挑战性。本文针对这一问题展开研究。本文对于叶片及花朵图像的识别分别从图像预处理、特征提取、特征匹配等方面进行了研究,并提出了两种分别针对叶片与花朵图像的识别方案。对于提出的方案均在相应的叶片及花朵图像集上进行了实验,并验证了其有效性。对于叶片图像,本文首先采用基于大津阀值法的叶片分割算法对叶片图像进行分割。然后在图像上提取包括多尺度三角特征、定向片段直方图、基于轮廓关键点的特征以及叶片的几何特征。最后采用局部敏感哈希与Leave out算法对提取的多个特征进行融合并匹配。同时,对于花朵图像本文第一步先采用基于兴趣区域的分割算法对花朵图像进行分割,然后提取基于SIFT的多个颜色描述子,包括HSV-SIFT、Hue-SIFT、Opponent-SIFT。在此基础上本文还引入了一种基于多项式嵌入的算法来对获取的特征进行进一步增强以获取潜在的特征。最后的特征融合与匹配阶段本文采用一种基于费雪向量及线性回归的算法。本文还通过整合开源的Web框架设计并实现了基于内容的植物图像检索系统原型,该系统底层有机应用了论文研究的关键技术。系统主要包括有植物图像特征提取、特征索引、植物图像部位分类检索、多图像多部位图像检索以及用户反馈等功能。