大约在90年代中期左右，计算机模式识别被用于植物的自动分类识别的计算机技术在国内逐步发展起来。而国外相对于我国在这一方面发展较早一些。国外对于植物的分类识别的研究大概开始于80年代中期左右。叶片的形状和纹理是当时国内外研究的基础。而对于花卉图像分类识别方面的研究相对较少，因为相对于叶片而言，花朵的特征比较复杂，对于分割提取的计算机技术要求较高。植物花朵自身的多样性造成了分割提取特征的困难：第一，花朵除了自身会有重瓣，卷曲之外，还有叶片等背景，造成花卉图像分割比较困难。第二，外在光照等环境因素还会导致花朵颜色发生变化，颜色特征也不够稳定。而且即便是同一种植物的颜色会有深浅不一的变化，花朵的形状也不是固定的。34939
    Miao Zhenjiang等人提出的面向对象的模式识别方法识别玫瑰花种类，主要是在玫瑰花特征分割提取方法上进行了改进，同时也是对之前提出使用模糊集概念的算法描述玫瑰花的特征的基础之上进行了算法上的改进，系统可以自动处理玫瑰花的相关特征来识别玫瑰花种类。Takeshi综合了花朵颜色，形状，叶子等相关特征的基础之上提出了分类识别野花的方法，对野花花朵进行了分类识别。通过算法上的改进，野花的识别率可达90%。Nixiang Hong研究小组对植物花朵图像的分割的图像处理部分、花朵相关的特征提取、以及高效的分类器设计进行了深入的研究。主要是计算植物花朵图像的多个方面的相关特征,每个特征能够反映植物花朵的不同方面,分别是融合局部形状和纹理、边界形状、花瓣整体空间分布以及颜色特征,再采用SVM分类器分类进行分类识别,最后对植物花卉的识别率达到72.8%。吴清锋选择中草药植物花卉图像为研究对象,采用感兴趣区域的图像分割方法提取花朵图像,最后通过颜色、纹理、形状等三个视觉特征的分割提取,进行中草药花卉种类的识别。陈小芬以植物花卉图像为研究对象,分别研究了植物花卉的分割、底层视觉特征的提取以及采用支持向量机分类器对图像进行检索等问题,最后对15类植物花卉进行了识别,取得了一定的进展。论文网
参考文献：
[1]张娟. 基于图像分析的梅花种类识别关键技术研究[D].北京林业大学,2011.
[2]张娟,黄心渊. 基于图像分析的梅花品种识别研究[J]. 北京林业大学学报,2012, (1):96-104.
[3]张娟,韩殿元,黄心渊. 自然背景下的梅花图像分割算法研究[J]. 北京林业大学学报,2012, (3):64-70.
[4]裴勇. 基于数字图像的花卉种类识别技术研究[D].北京林业大学,2011.
[5]几种易混淆花卉识别法[J]. 农村实用技术,2015, (1):48.
[6]陈俊愉. 中国梅花品种分类最新修正体系[J]. 北京林业大学学报,1999, (2):2-7.
[7]Ali S, Shah M. Human Action Recognition in Videos Using Kinematic Features and MultipleInstance Learning[J]. IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE
INTELLIGENCE. 2010, 32(2): 288-303.
[8]黄长专,王彪,杨忠. 图像分割方法研究[J]. 计算机技术与发展,2009,(6):76-79+83.
[9]Awrangjeb M, Lu G. An Improved Curvature Scale-Space Corner Detector and a Robust CornerMatching Approach for Transformed Image Identification[J]. IEEE TRANSACTIONS ON
IMAGE PROCESSING. 2008, 17(12): 2425-2441.
[10]高隽,谢昭图像理解理论与与方法[M].北京:科学出版社,2009.
[11] 边肇祺,张学工等.模式识别[M].第三版.清华大学出版社,2000.
[12] 任东.基于支持向量机的植物病害识别研究[D].吉林.吉林大学,2007:45-50.
[13] Pydipati R, Burks T F. Identification of citrus disease using color texture features and discriminant analysis[M]. Computers and Electronics in Agriculture, 2006,52(3):49-59. 计算机模式识别植物分类国内外研究现状:http://www.751com.cn/yanjiu/lunwen_32669.html