学位论文 > 优秀研究生学位论文题录展示

基于数字图像处理技术的水稻长势监测研究

作　者: 刘继承
导　师: 姬长英
学　校: 南京农业大学
专　业: 农业机械化工程
关键词: 水稻长势株型参数图像处理叶面积指数数码相机
分类号: S126
类　型: 硕士论文
年　份: 2007年
下　载: 415次
引　用: 7次
阅　读: 论文下载

内容摘要

依据水稻的生长状态信息对其生长因素进行控制，对于最大限度地节约能源并使水稻高产具有重要意义。针对传统的人工观察法效率低下且观察结果主观性强；遥感监测、远程监测等方法受观测范围所限且不适合单个农场实时快速、小面积监测等不足，本文提出利用图像处理技术对所拍摄到的水稻图像进行分析处理，并据此获取水稻的生长状态，进而实现对水稻长势进行监测。本文通过在南京浦口农场水稻田进行实地实验，利用数码相机获取水稻图像并建立了相应的图像处理方法。论证了依据单株水稻图像形态参数的提取来判断水稻长势状况的可行性，并据此法分别探讨研究了几个主要生育期群体水稻的叶面积及叶面积指数与实测的叶面积及叶面积指数间的相互关系模型。主要的研究内容如下：针对单株水稻图像叶尖部位不易分割出的特点，本文提出了采用局部灰度线性变换来对水稻图像实行增强处理；单株水稻图像细化过程中出现的毛刺现象在文中也采用了较好的处理方法进行去除；此外，比较了中值滤波法的几种滤波窗口对水稻群体图像的去噪效果，最终选用十字型中值滤波法去除图像采集过程中受到的各种噪声干扰；提出用颜色特征法对水稻群体图像进行叶片图像和背景的分割。株高、叶尖距以及叶基角是三个表征水稻长势的主导因素，而这些参数只通过图像处理可以比较容易、精确的获取，所以采用这三个参数作为图像处理技术对水稻长势监测的重要指标。而对于叶尖距，无论是运用手工测量方法还是图像处理方法对其测量，均不能用单个叶尖距的数值大小进行水稻长势状况优劣的判断，需要统计其平均叶尖距，并将其作为判断水稻长势优劣的依据。由于叶面积指数是作物长势诊断的主要参数，本文分析了9746水稻在不同生长期的叶面积指数的变化规律，并建立了图像叶面积指数与实际叶面积间的叶面积指数模型。通过检验后发现由模型得出的长势监测指标叶面积指数和真实叶面积指数的差异性不显著，故本文认为可以通过运用叶面积指数模型来获取植株的生长信息。综上所述，本文认为应用图像处理技术来获取水稻植株长势特征的方法是可行的。

全文目录

摘要  6-7
ABSTRACT  7-9
第一章绪论  9-15
  1.1 国内外研究现状及存在的问题  9-13
    1.1.1 人工观察法  9-10
    1.1.2 遥感监测  10-11
    1.1.3 机器视觉与数字图像处理  11-12
    1.1.4 远程监测  12-13
  1.2 研究的背景和意义  13-14
  1.3 研究目标和内容  14-15
第二章研究方法  15-23
  2.1 实验设计  15-16
  2.2 技术路线  16-17
  2.3 水稻生长信息的获取  17-18
  2.4 水稻数字图像的获取  18-20
    2.4.1 单株水稻图像的获取  19-20
    2.4.2 群体水稻图像的获取  20
  2.5 系统标定  20-21
    2.5.1 单株水稻图像的标定  20-21
    2.5.2 群体水稻图像的标定  21
  2.6 本章小结  21-23
第三章水稻图像的预处理  23-35
  3.1 灰度直方图  23
  3.2 图像的增强  23-28
    3.2.1 灰度线性变换  24-27
    3.2.2 中值滤波  27-28
  3.3 图像阈值分割  28-33
    3.3.1 阈值分割定义  29-30
    3.3.2 迭代阈值法  30-31
    3.3.3 Otsu法  31-33
  3.4 本章小结  33-35
第四章单株水稻形态特征参数的图像法提取  35-48
  4.1 单株水稻图像的获取与处理  35-40
    4.1.1 灰度图像的增强  37
    4.1.2 单株水稻图像的二值化  37-38
    4.1.3 单株水稻图像的细化  38-40
  4.2 水稻各种形态参数的提取  40-47
    4.2.1 株高  41-42
    4.2.2 叶尖距  42-44
    4.2.3 叶基角  44-47
  4.3 本章小结  47-48
第五章水稻群体图像的获取及分析  48-67
  5.1 水稻群体图像的获取  48
  5.2 利用颜色特征分割水稻叶片与背景  48-54
    5.2.1 水稻分割颜色模型的选取  48-51
    5.2.2 彩色图像转灰度图  51-53
    5.2.3 阈值分割灰度图  53-54
  5.3 水稻叶面积的提取及分析  54-65
    5.3.1 单株叶面积的测量方法  54-55
    5.3.2 群体叶面积的测量方法  55-57
    5.3.3 图像叶面积指数和实测叶面积指数间的关系模型  57-63
    5.3.4 水稻各个生长期叶面积指数对长势状况的反映  63-65
  5.4 本章小结  65-67
第六章水稻不同生育期长势监测系统软件设计  67-74
  6.1 软件功能介绍  67-68
  6.2 软件程序及界面设计  68-73
    6.2.1 系统软件程序设计  68-69
    6.2.2 软件界面设计及操作  69-72
    6.2.3 结果评价  72-73
  6.3 本章小结  73-74
第七章结论与展望  74-77
  7.1 结论  74-75
  7.2 展望  75-77
    7.2.1 多种方法的融合将是作物监测技术的重要发展方向  76
    7.2.2 专家系统的研究和开发将在作物长势监测中起重要作用  76-77
参考文献  77-80
致谢  80-81
攻读硕士期间发表的主要论文  81

基于数字图像处理技术的水稻长势监测研究

内容摘要

全文目录

相似论文