随着互联网的快速发展和计算机应用范围的不断扩展,越来越多的图像数据需要被分析和处理,但是,传统的检索方式已经不能满足实际的需求。为了便于图像检索和识别,出现了一种称之为基于内容图像检索(CBIR)的技术,该方法利用颜色,纹理,形状或者是这些特征的结合来对图像进行检索。其中,形状是一个重要的低层特征,它考虑的是物体的全局信息,其应用包括生物或医学图像分析,形态测量学,数据库检索,军事目标识别和计算机视觉等等。本文对基于形状的植物叶子图像检索和聚类方法进行了探讨,并通过实验对其效果进行验证和评价。本文的目标之一是对植物叶子形状的视觉特征进行描述。首先回顾了许多形状表示及描述技术,包括基于轮廓的方法以及基于区域的方法。在众多的方法中,本文集中于基于傅立叶变换的形状表示方法,对一系列的傅立叶描述方法进行了研究,包括收敛性分析,检索性能以及对比研究,并得出一些有意义的结论。接下来,本文提出一种基于质心距离直方图的形状描述方法,形状之间的相似度通过对比相应范围内的半径数量进行计算。实验结果表明,两种特征的融合能够获得更高的检索性能。本文另一贡献是提出基于形状特征的图像聚类算法,目的是为了改善查询时的效率。首先,回顾了基于欧拉空间的经典聚类算法,这些算法主要分为两种类型:基于分划的聚类和基于层次的聚类。接下来,本文提出了一种基于随机模拟退火算法的聚类算法。基本的思想是以随机的k个聚类为开始,通过在聚类之间进行重排来最小化评分函数,重排基于随机选择两种不同的移动方法,最后在这个基础上提出了一种利用形状均值对形状数据库进行层次化组织的方法。