1. 研究目的与意义（文献综述）

认识植物表型特征和性状是生物学研究的一个重要命题，如果缺乏详尽的表型数据，将无法深刻理解基因组和环境因素对植物表型的复杂作用。特别是随着高通量测序技术的发展，表型数据的缺失已经成为基因功能研究的瓶颈。叶片作为大多数植物进行光合作用的主要部位，存在许多不同的形态，反映了植物应对不同环境的进化策略、生长态势等信息，例如，叶子面积是定量分析光合作用和运输作用以及植物长势的主要参数，叶脉网络的分布特征可以很好的反应植物的生长状况。

叶片表型数据主要包括轮廓特征和叶脉结构特征。轮廓特征主要关注叶片形状等参数；叶脉结构特征除了涵盖叶脉主要分级外，还包含纹理信息。如何准确、高效的提取植物叶片各种表型特征是一个亟待解决问题。传统植物分类学中叶片形状的定性描述（如：圆形，椭圆等）无法反应叶片在形态上的细微变化，难以体现相同品种植物叶片间的差异。因此，研发能够精确提取叶脉表型数据的方法对于生物学研究具有重要意义。传统的叶脉表型提取方法主要依靠人工进行测量，这种方法将耗费大量时间和人力，不具备大规模应用的条件，同时也因为测量人员判断的主观性，会产生较大误差，影响结果的准确性和可信度。伴随计算机技术的高速发展，数字图像处理技术在摄影、航空航天、农业、医学等领域都有了广泛的应用，并且随着图像采集设备分辨率的提高，通过扫描仪等设备获得的图像已经能够清晰的反应植物叶片的形状、轮廓、叶脉分布等细节，因此基于数字图像处理技术的植物表型数据提取技术也得到了广泛的研究。

本课题基于数字图像处理技术，设计一种基于叶脉网络层级结构的植物叶片表型数据提取方法，并通过对叶脉网络进行结构化的分析，针对性地提取叶脉网络的各类参数，从而构建完善的叶片表型数据库。

2. 研究的基本内容与方案

（1）研究内容

本设计的研究内容是，通过阅读相关参考文献，明确对叶脉网络结构的各种参数的描述，制定统一的定义。使用数字图像处理技术对同一品种下的叶脉网络结构图像进行处理，基于matlab平台针对上述统计整理的各类参数的定义设计相应的自动提取算法，并以现有的数据库技术针对上述算法提取的形状参数构建叶片表型数据库。

（2）研究目标

3. 研究计划与安排

(1)第1——2周：查阅相关文献，了解相关方面的研究，明确选题；

(2)第3——5周：进一步阅读文献，并分析和总结，完成参考文献的阅读笔记，并初步确定技术路线，完成并提交开题报告；

(3)第6——10周：完成需求分析，进行系统各部分的算法分析、设计和实现

4. 参考文献（12篇以上）

[1] li l, zhang q, huang d. a review ofimaging techniques for plant phenotyping[j]. sensors,2014, 14(11): 20078-20111.

[2] fahlgren n, gehan m a, baxter i.lights, camera, action: high-throughput plant phenotyping is ready for a close-up[j].current opinion in plant biology, 2015, 24: 93-99.

[3] bucksch a, burridge j, york l m, et al.image-based high-throughput fieldphenotyping of crop roots[j]. plant physiology, 2014, 166(2): 470-486.