數(shù)字圖像處理技術(shù)在小麥氮素營養(yǎng)診斷中的應(yīng)用研究.pdf

1、對作物進行快速氮素診斷，可及時針對診斷結(jié)果給出相應(yīng)施肥措施。研究表明葉色可以反映作物的氮素水平，為更好地進行小麥拔節(jié)期施氮的快速診斷，本項目展開了利用數(shù)字圖像處理技術(shù)對小麥進行氮素營養(yǎng)診斷的方法研究。本研究在不同拍照方案下獲取、不同品種、不同氮肥用量的小麥冠層圖像，由于自然光下獲取的大田小麥冠層圖像具有光照不均勻、含復(fù)雜背景及陰影等特點，經(jīng)典圖像分割算法存在精度低、過分割等問題;對分割完成后的圖像提取并量化小麥葉片顏色特征，分析特征參數(shù)

2、值與葉片氮含量(LNC)及葉綠素含量值的相關(guān)性，尋找并確定小麥氮素營養(yǎng)診斷的參數(shù);目前多數(shù)作物氮素營養(yǎng)診斷基于單一拍攝方案或未考慮拍攝高度角度情況下獲取作物冠層圖像，圖像的采集方案沒有統(tǒng)一的標(biāo)準(zhǔn)。針對上述問題，論文主要貢獻包括:
　　(1)提出基于歸一化H分量的K均值聚類小麥冠層圖像分割算法，對不同光照條件下的圖像分割效果較好;
　　本文選擇處理速度快的維納濾波算法對相機抖動造成的模糊圖像進行復(fù)原;其次，利用R+G-B歸一化

3、處理RGB空間下的彩色圖像，以拉大背景與目標(biāo)圖像之間的差距，并轉(zhuǎn)換為適用于照明不均勻場合的HSI顏色空間。經(jīng)典圖像分割算法對小麥冠層圖像的分割存在精度低、過分割等問題，提出一種基于HSI空間下H分量的K均值聚類算法，并根據(jù)光照均勻與否，對彩色圖像的H分量進行不同K均值聚類處理，最后經(jīng)形態(tài)學(xué)開運算及去噪處理獲得最終目標(biāo)圖像。實驗表明，該方法對不同施氮量、不同光照、不同生長時期小麥冠層圖像的分割效果較好，相對基于Lab空間的K-means聚

4、類分割，該方法可一定程度避免過分割現(xiàn)象;相對基于H分量的otsu算法，對光照不均勻圖像分割更完整，對復(fù)雜背景圖像分割更精確。
　　(2)提出并確定RGB顏色組合值(CMI)作為小麥氮素營養(yǎng)診斷參數(shù)。
　　通過對某一時期的所有小區(qū)小麥冠層圖像的CMI值和其對應(yīng)的氮素指標(biāo)進行回歸分析，得到CMI=a*R+b*G+c*B近似最優(yōu)組合。通過分析不同種植方案下圖像參數(shù)與氮素指標(biāo)的相關(guān)性，確定了紅光標(biāo)準(zhǔn)化值(NRI)與本研究提出的CMI

5、值適合作為小麥氮素營養(yǎng)診斷的特征參數(shù)，小麥品種揚麥18號與生選6號進行氮素營養(yǎng)相關(guān)性分析對比，前者的相關(guān)性更好。其中CMI參數(shù)更適合于對揚麥18號進行氮素營養(yǎng)診斷，CMI和NRI均適合對生選6號進行氮素營養(yǎng)診斷。
　　(3)分析不同拍照方案下圖像特征參數(shù)與氮素營養(yǎng)指標(biāo)的相關(guān)的相關(guān)性，確定高度1m和角度90°為最佳拍攝高度和角度。設(shè)計了不同的拍照方案獲取圖像，對所有分割完成的冠層圖像提取并量化小麥葉片顏色特征，通過分析拍照高度、角度