基于数字图像的水稻氮磷钾营养诊断与建模研究
| 致谢 | 第1-6页 |
| 摘要 | 第6-9页 |
| Abstract | 第9-11页 |
| 目录 | 第11-16页 |
| 图目录 | 第16-19页 |
| 表目录 | 第19-21页 |
| 第一章 绪论 | 第21-35页 |
| ·研究背景和意义 | 第21-22页 |
| ·国内外研究现状 | 第22-32页 |
| ·传统的作物营养诊断方法 | 第22-24页 |
| ·作物无损营养诊断 | 第24-29页 |
| ·图像特征提取及在农业领域的应用 | 第29-30页 |
| ·无人机遥感国内外发展现状 | 第30-32页 |
| ·研究思路与技术路线 | 第32-35页 |
| ·研究思路与研究内容 | 第32-33页 |
| ·技术路线 | 第33-35页 |
| 第二章 试验设计与数据获取 | 第35-39页 |
| ·试验设计 | 第35-36页 |
| ·图像采集及测定项目 | 第36-39页 |
| ·扫描图像采集 | 第36页 |
| ·光谱参数的测定 | 第36页 |
| ·间无人机低空遥感图像获取 | 第36页 |
| ·叶绿素测定 | 第36-37页 |
| ·叶片全氮含量测定 | 第37-39页 |
| 第三章 图像特征提取及数据处理方法的选择 | 第39-59页 |
| ·图像预处理 | 第39-41页 |
| ·消除图像背景 | 第39页 |
| ·图像的增强 | 第39-40页 |
| ·图像的平滑 | 第40-41页 |
| ·叶片特征的提取 | 第41-48页 |
| ·颜色特征的提取 | 第41-44页 |
| ·形状特征的提取 | 第44-46页 |
| ·纹理特征的提取 | 第46-48页 |
| ·数据预处理 | 第48-50页 |
| ·数据归一化处理 | 第48页 |
| ·数据离散化处理 | 第48-50页 |
| ·特征选择方法 | 第50-53页 |
| ·特征选择的定义 | 第50页 |
| ·特征选择的框架 | 第50-51页 |
| ·特征选择方法的分类 | 第51-52页 |
| ·特征选择方法的确定 | 第52-53页 |
| ·模式识别方法 | 第53-54页 |
| ·图像对比分析 | 第54-59页 |
| 第四章 基于叶片特征的水稻氮、磷、钾营养模式识别 | 第59-97页 |
| ·引言 | 第59-60页 |
| ·材料与方法 | 第60-62页 |
| ·研究数据 | 第60页 |
| ·数据分析方法 | 第60-62页 |
| ·水稻氮营养水平识别及量化建模研究 | 第62-73页 |
| ·叶片颜色参数的计算 | 第63-65页 |
| ·不同氮营养水平特征差异性分析及特征选取 | 第65-67页 |
| ·水稻氮营养模式识别 | 第67-68页 |
| ·水稻叶片含氮量模型的建立 | 第68-70页 |
| ·模型验证 | 第70-72页 |
| ·结语与讨论 | 第72-73页 |
| ·水稻磷营养模式识别 | 第73-77页 |
| ·不同磷素水平特征差异性分析 | 第74-75页 |
| ·特征组合的优化与选择 | 第75-76页 |
| ·水稻磷营养模式识别 | 第76-77页 |
| ·结语与讨论 | 第77页 |
| ·水稻钾营养模式识别 | 第77-88页 |
| ·基于面向对象分割技术的缺钾叶片斑点提取 | 第78-84页 |
| ·不同钾素水平特征差异性分析 | 第84-85页 |
| ·特征组合的优化与选择 | 第85-86页 |
| ·水稻钾营养模式识别 | 第86-87页 |
| ·结语与讨论 | 第87-88页 |
| ·水稻氮、磷、钾三种缺素类别的识别 | 第88-93页 |
| ·颜色参数的增补 | 第89-90页 |
| ·氮、磷、钾缺素特征对比 | 第90-91页 |
| ·氮、磷、钾缺素的识别 | 第91-92页 |
| ·结语与讨论 | 第92-93页 |
| ·本章小结 | 第93-97页 |
| 第五章 经验性特征的量化及其对营养诊断的辅助作用 | 第97-105页 |
| ·前言 | 第97-98页 |
| ·材料与方法 | 第98-100页 |
| ·数据获取 | 第98页 |
| ·诊断经验的量化表达 | 第98-100页 |
| ·监督离散与决策树分类的应用 | 第100页 |
| ·结果与分析 | 第100-102页 |
| ·不同氮、磷、钾营养水平特征对比 | 第100页 |
| ·量化经验离散分类结果 | 第100-102页 |
| ·结语与讨论 | 第102-105页 |
| ·量化经验的辅助判断作用 | 第102-103页 |
| ·对经验知识量化的展望 | 第103-105页 |
| 第六章 基于无人机冠层图像的水稻氮素营养诊断 | 第105-127页 |
| ·前言 | 第105页 |
| ·材料与方法 | 第105-111页 |
| ·田间样本数据获取 | 第105-106页 |
| ·旋翼无人机系统集成及图像获取 | 第106-111页 |
| ·结果与分析 | 第111-122页 |
| ·不同施氮水平的高光谱数据分析 | 第111-112页 |
| ·深绿色指数(DGCI)与叶片含氮量的关系 | 第112-113页 |
| ·纹理颜色特征与叶片含氮量的相关性分析 | 第113-116页 |
| ·基于Cfs的特征选择 | 第116-117页 |
| ·不同施氮田块样点的识别 | 第117-118页 |
| ·叶片含氮量模型 | 第118-120页 |
| ·模型验证 | 第120-122页 |
| ·结语与讨论 | 第122-124页 |
| ·利用冠层图像特征进行水稻氮营养状况预测的可行性 | 第122-123页 |
| ·不同施氮水平的识别 | 第123页 |
| ·利用因子分析评价各类因子贡献率 | 第123页 |
| ·水稻叶片氮含量的预测模型 | 第123-124页 |
| ·本章小结 | 第124-127页 |
| 第七章 结语、创新和讨论 | 第127-133页 |
| ·结语 | 第127-131页 |
| ·两种方式获取的数字图像对比 | 第127-128页 |
| ·基于叶片扫描图像的氮磷钾营养诊断规则的获取 | 第128-130页 |
| ·专家经验的量化及对营养诊断的辅助作用 | 第130-131页 |
| ·基于冠层图像的水稻氮素营养诊断 | 第131页 |
| ·创新点 | 第131-132页 |
| ·展望 | 第132-133页 |
| 参考文献 | 第133-149页 |
| 攻读博士学位期间完成的论文 | 第149页 |
