论文总字数：19495字

摘 要

叶片是植物非常重要的一个器官，可以从叶片当中提取到很多植物生理指标的信息，相较于传统的手工测定，运用高光谱进行测定对叶片没有破坏性且高通量，最为重要的是能够结合所设计的平台实现生理指标的可视化，以观察这些生理指标的空间分布情况，对我国精细农业的发展具有一定程度的促进作用。

虽然从植物叶片中获取生理指标的方法已经有了很大进展，但是提出的方法不够直观，不具有普遍适用性且指标较为单一。本文提出了一种基于web网络的可视化分析平台，自动计算植物生理指标并实现可视化的方法，解决了传统生物方法对叶片的破坏性问题。实现了对棉花叶片的含水量、叶绿素含量、氮素含量等生理指标的处理，并以此构建了相应的分布图，可直观观察生理指标的空间分布。

研究结果表明：本文提出的基于可视化分析平台的方法能够准确、快速地对棉花叶片图片进行生理指标提取与可视化，可视化效果较为理想，达到了设计的目的和效果。

本文的创新点：提出了可视化分析平台直接操作的方法，构建了多种生理指标计算方法，提供了可视化的分布图。

关键词：数字图像处理；植被指数；高光谱成像；棉花叶片；可视化平台

Abstract

Leaf is a very important organ of plant, from which we can extract a lot of information of plant physiological indexes. Compared with traditional manual measurement, hyperspectral measurement is non-destructive and high-flux to leaf, the most important thing is to realize the visualization of physiological indexes with the platform designed, so as to observe the spatial distribution of these physiological indexes and promote the development of precision agriculture in China.

Although great progress has been made in the methods of obtaining physiological indexes from plant leaves, the methods proposed are not intuitive enough, not universally applicable and the indexes are relatively simple. In this paper, a method of automatic calculation and visualization of plant physiological indexes based on visual analysis platform is proposed, which solves the destructive problem of traditional biological methods on leaves. The water content and chlorophyll content of cotton leaves were treated, and the corresponding distribution map was constructed. The spatial distribution of physiological indexes could be observed directly.

The results show that the method based on visual analysis platform can extract and visualize the physiological indexes of cotton leaves accurately and quickly, and achieve the design goal and effect.

The innovation of this paper is as follows:

1. The method of direct operation of visual analysis platform is put forward.
2. A variety of calculation methods of physiological indexes were constructed.
3. A visual distribution map is provided.

Key Words: Digital image processing; vegetation index; hyperspectral imaging; cotton leaves; visual analysis platform

目录

第1章 绪论 1

1.1研究目的及意义 1

1.2国内外研究现状 1

1.3本文的研究内容 2

1.4本文的组织结构 3

第2章 光谱测量与分析相关知识 4

2.1高光谱图像 4

2.1.1 高光谱图像的特点 4

2.1.2 高光谱图像基本原理 4

2.2颜色空间模型 5

2.2.1 RGB颜色空间 5

2.2.2 HSV颜色空间 5

2.3 高光谱图像研究植物生理指标的原理 6

第3章 图像分割技术 7

3.1 图像数据集构建 7

3.1.1 采集设备 7

3.1.2 拍摄过程与细节 7

3.1.3 数据集总量 8

3.2 图像分割 8

3.2.1 分割原因 8

3.2.2 图像分割的定义 8

3.2.3 常见的彩色图像分割方法 9

3.3 分水岭算法 9

3.3.1 背景知识 9

3.3.2 基于标记的分水岭算法 10

3.3.3 分水岭算法分割结果 11

3.4 阈值分割法 11

3.4.1 根据HSV颜色空间进行阈值分割 11

3.4.2 阈值分割结果 12

第4章 生理指标提取与计算 13

4.1 生理指标提取原理与公式 13

4.1.1 提取原理 13

4.1.2 提取公式 13

4.2 生理指标计算原理及方法 14

4.3 生理指标提取结果与分析 14

4.3.1 部分可视化结果展示 14

4.3.2可视化结果分析 15

第5章 可视化平台 16

5.1 搭建环境 16

5.2 平台构建方案及实现 16

5.2.1 工作流程 16

5.2.2 平台构建及模块功能介绍 16

5.2.3 平台展示 17

第6章 总结与展望 18

6.1论文总结 18

6.2创新点 18

6.3展望 18

致 谢 20

参考文献 21

第1章 绪论

1.1研究目的及意义

目前，我国在提高农业产量方面已经取得了较大进展，但是在许多贫困山区仍存在粮食产量不足的问题。研究表明，由于世界人口增长迅速，到2050年底，世界粮食产量需翻一番^[1]。因此，作物产量已不能满足不断增长的人口需求，在不增加耕地面积的情况下提高作物产量，是确保粮食安全的最有效方法^[2]。传统的作物养分检测都是人工进行的，这种方法的效果是有限的，高光谱成像技术的出现解决了这个问题。

相较于RGB图像只记录植物对红 (650nm)、绿 (520nm)、蓝(475nm)三个波长的光线的反射强度，高光谱图像一般记录了从紫外线（260nm）到短波红外（2500nm）范围内的几百个波段的反射光强度，一部分特定波长的光对于植物的代谢以及内部物质比较敏感，因此在高光谱图像中，既可以使用不同波段的反射值准确的计算植株图像每个像素点的各种植物生理指数，又可以获取植株整体生理指数的面状信息，点-面结合综合地反映作物遭受胁迫的程度。高光谱成像技术具有光谱检测和图像检测合二为一的优势，在作物养分检测、病虫害分级诊断、生长状态监测等方面具有突出优势^[3]。相较于传统的手工测定，运用高光谱进行测定对叶片没有破坏性且高通量^[4]，即通过分析不同波段的图像即可同时提取多个植物生理指标，并且对这些生理指标进行可视化，以观察这些生理指标的空间分布情况。传统生物学方法需要破坏性取样，且对一个样品只能测定出一个数值，不够全面直观。

高光谱成像技术作为一门综合性的高新技术，在遥感监测和航天领域得到了广泛而长足的发展，已广泛地应用到军事、森林、地质、海洋和生态领域^[2]。并且随着计算机技术的发展，处理数字图像变得更加容易，可以轻松地完成植物叶片的像素计算，得到各种生理指标的分布情况。

本文以棉花叶片的高光谱图像作为研究对象，而拍照所得的高光谱图象中包含了叶片部分和背景部分，对植物叶片的分割提取是一项具有挑战性的工作，也是本文中较为重要的部分。其次是通过文献调研整理与计算各类预定义的植物生理指数，开发这些生理指标的提取和可视化算法，设计并实现指标提取和可视化在线平台。

1.2国内外研究现状

请支付后下载全文，论文总字数：19495字