花粉种类的有效识别和预测在植物选种育种、花粉过敏症预防和治疗、古气候重建等领域具有重要的应用价值。传统的花粉识别主要依靠人工在显微镜下进行,过程耗时费力,识别结果易受实验人员主观影响,识别率普遍较低。事实上,显微镜下采集的花粉图像具有跟普通图像类似的纹理或结构特征,不同种类花粉图像的特征具有很高的可区分性,因此以模式识别为基准的自动化分类识别技术逐渐成为花粉鉴别的主要手段。但光照、噪声和污染等外部干扰导致识别率低以及实时性差等问题制约着其走向实际应用,提高特征鲁棒性和实时性是花粉自动识别技术广泛应用的关键所在。本文就花粉图像鲁棒鉴别特征提取方法展开研究,以期提高特征对于图像旋转和尺度变化等几何变换的鲁棒性,提高分类识别的精度和效率。主要研究内容包括:(1)针对多数纹理描述子在一个尺度状态下描述图像特征的问题,提出了一种基于塔式小波变换的多尺度空间子带共生矩描述子,将纹理特征放于不同尺度下来描述花粉图像的多尺度细节特征。该方法首先通过Mallat小波将图像分成不同的子图像;然后基于灰度共生矩阵提取纹理参数特征,生成多尺度下的子带共生矩描述子(MSSCM)。通过两种不同数据库的实验证明,MSSCM描述子能够对花粉图像的纹理信息进行较为细致全面的描述,分类耗时少,对花粉图像的旋转和姿态变化具有良好的鲁棒性。(2)针对显微镜下的花粉图像普遍具有特征维数高、旋转和姿态变化较大等问题,提出了一种基于DOG尺度局部二值圆形度描述子特征提取方法(MSLBPC)。该方法首先将图像放于高斯差分金字塔中从而将图像划分为不同层级;然后对纹理清晰层级提取基于SIFT特征点的LBP纹理描述子特征以降低特征维数;再对形状突出层级利用圆形度生成形状描述子以降低噪声干扰并减少冗余信息;最后将两种描述子融合生成混合纹理形状描述子。通过两种不同数据库的实验证明,该描述子能够很好的描述花粉纹理特征,并对图像的旋转、平移、尺度变化和噪声干扰具有良好的鲁棒性。