首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于近感图像的作物表型高通量测量方法研究

摘要第3-5页
ABSTRACT第5-6页
第一章 引言第16-24页
    1.1 研究意义第16-17页
    1.2 国内外研究进展第17-22页
        1.2.1 植物表型测定技术的发展第17-18页
        1.2.2 高通量表型测定平台的构建第18-20页
        1.2.3 无人机遥感技术在农作物生长监控上的发展与应用第20页
        1.2.4 图像技术在高通量表型监测上的应用第20-21页
        1.2.5 图像大数据的运算第21-22页
    1.3 主要内容第22-24页
        1.3.1 研究目标第22页
        1.3.2 研究内容第22页
        1.3.3 研究方案第22-23页
        1.3.4 技术路线第23-24页
第二章 实验方案第24-32页
    2.1 温室实验第24-26页
        2.1.1 实验概况第24-25页
        2.1.2 小麦苗期多时间点多视角图像序列的获取第25-26页
    2.2 大田作物冠层航拍RGB图像数据的获取第26-28页
        2.2.1 实验地点和作物类型第26-27页
        2.2.2 无人机平台搭载RGB相机获取大田冠层图像数据第27-28页
    2.3 大田小麦冠层多光谱航拍图像数据的获取第28-32页
        2.3.1 小麦大田实验设计第28-29页
        2.3.2 基于无人机平台的多光谱航拍图像数据的获取第29-32页
第三章 图像法定量化监测温室小麦的早期活力第32-48页
    3.1 图像数据处理的主要步骤第32-36页
        3.1.1 基于多视角图像序列的三维点云重建第32-34页
        3.1.2 器官尺度的点云分割第34-35页
        3.1.3 应用局部多项式回归模型拟合叶中脉曲线第35页
        3.1.4 苗期小麦表型参数的提取第35-36页
    3.2 结果与分析第36-44页
        3.2.1 苗期单株小麦三维点云的动态重建第36-37页
        3.2.2 苗期小麦冠层的三维点云重建第37-38页
        3.2.3 无序三维点云的分割结果第38页
        3.2.4 苗期小麦叶片中脉曲线的拟合结果第38-39页
        3.2.5 叶片中脉曲线拟合结果的精确度分析第39-40页
        3.2.6 小麦早期活力表型参数的定量化分析第40-44页
    3.3 讨论第44-47页
        3.3.1 基于图像法参数化作物结构特征第44-46页
        3.3.2 基于图像法动态监控作物的生长发育情况第46页
        3.3.3 高通量表型平台在育种和作物模型中的应用第46-47页
    3.4 小结第47-48页
第四章 基于无人机平台的多种大田作物冠层覆盖度模型第48-66页
    4.1 航拍图像数据处理的主要步骤第48-54页
        4.1.1 基于无人机图像的正交拼接图像和三维点云重建第50页
        4.1.2 植被像素与背景像素的分割第50-51页
        4.1.3 大田小区的自动化分割分割第51-52页
        4.1.4 从三维点云到无畸变图像序列的再投影计算第52-53页
        4.1.5 小区尺度的覆盖度估测第53-54页
    4.2 结果与分析第54-63页
        4.2.1 采用并行运算对无畸变图像和正交拼接图像像素的分类第54-56页
        4.2.2 不同尺度小区的分割第56-58页
        4.2.3 棉花和高粱冠层覆盖度的提取结果第58-60页
        4.2.4 甘蔗冠层覆盖度的提取结果第60-63页
    4.3 讨论第63-65页
        4.3.1 基于图像法定量描述田间作物的生长第63页
        4.3.2 基于无人机监控作物生长及误差分析第63-65页
        4.3.3 高通量表性技术在育种实践上的应用第65页
    4.4 小结第65-66页
第五章 基于多光谱图像的大田小麦冠层NDVI的动态监测第66-80页
    5.1 多光谱图像数据的处理步骤第66-67页
        5.1.1 基于多光谱图像数据的正交拼接和小区分割第66页
        5.1.2 NDVI的提取方法与校正第66-67页
        5.1.3 基于小区覆盖度校正NDVI的提取结果第67页
    5.2 结果与分析第67-77页
        5.2.1 航拍监测期间小麦冠层的生长情况第67-69页
        5.2.2 小区尺度NDVI随生长季变化的可视化第69-70页
        5.2.3 基于UAV和GreenSeeker获取的NDVI的相关性第70-71页
        5.2.4 NDVI-G随小麦生育期的变化第71-72页
        5.2.5 NDVI-R随小麦生育期的变化第72-73页
        5.2.6 基于覆盖度对NDVI提取值的校正第73-75页
        5.2.7 NDVI与产量的相关性分析第75-77页
    5.3 讨论第77-78页
        5.3.1 NDVI与产量的相关性分析第77页
        5.3.2 动态监测小麦冠层NDVI变化的重要性第77-78页
        5.3.3 高通量表型平台在基因育种和作物模型中的应用前景第78页
    5.4 小结第78-80页
第六章 结论与展望第80-84页
    6.1 主要结论第80-81页
    6.2 主要创新之处第81页
    6.3 存在的问题第81页
    6.4 研究展望第81-84页
参考文献第84-96页
致谢第96-98页
作者简介第98-99页

论文共99页,点击 下载论文
上一篇:基于光学变换原理的电磁隐身斗篷设计
下一篇:任意极化与全向扫描方向回溯阵列的设计