| 摘要 | 第9-11页 |
| ABSTRACT | 第11-14页 |
| 第一章 绪论 | 第15-27页 |
| 1.1 研究背景和意义 | 第15-17页 |
| 1.2 国内外研究现状 | 第17-20页 |
| 1.2.1 作物氮素营养诊断中数字图像评价指标的研究进展 | 第17-19页 |
| 1.2.2 作物氮素营养诊断中数字图像处理技术的研究发展 | 第19-20页 |
| 1.3 研究思路和技术路线 | 第20-23页 |
| 1.3.1 研究基础及思路 | 第20-21页 |
| 1.3.2 技术路线 | 第21-23页 |
| 1.4 主要研究内容 | 第23-24页 |
| 1.5 论文的组织结构 | 第24-27页 |
| 第二章 小麦冠层图像获取和预处理 | 第27-35页 |
| 2.1 小麦冠层图像获取 | 第27-29页 |
| 2.1.1 试验设计 | 第27-28页 |
| 2.1.2 冠层图像采集 | 第28-29页 |
| 2.2 适合图像处理的彩色空间选择 | 第29-31页 |
| 2.3 图像预处理 | 第31-34页 |
| 2.3.1 图像增强 | 第31-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第三章 小麦图像分割处理 | 第35-43页 |
| 3.1 彩色图像分割原理及常见算法 | 第35-38页 |
| 3.1.1 基于阈值的图像分割 | 第35-36页 |
| 3.1.2 基于特征空间聚类的图像分割 | 第36-37页 |
| 3.1.3 基于区域的图像分割 | 第37页 |
| 3.1.4 基于边缘检测的图像分割 | 第37-38页 |
| 3.2 小麦冠层图像分割 | 第38-42页 |
| 3.2.1 基于超绿特征(ExG)的Otsu分割方法 | 第38-39页 |
| 3.2.2 基于H分量的K均值聚类分割方法 | 第39-40页 |
| 3.2.3 分割结果与对比分析 | 第40-42页 |
| 3.3 本章小结 | 第42-43页 |
| 第四章 小麦氮素营养诊断数字图像评价指标研究 | 第43-53页 |
| 4.1 材料与方法 | 第43-44页 |
| 4.1.1 数据处理与分析 | 第43页 |
| 4.1.2 模型评价标准 | 第43-44页 |
| 4.3 小麦冠层图像评价指标研究 | 第44-46页 |
| 4.3.1 图像特征参数与氮素营养指标的相关性分析 | 第44-45页 |
| 4.3.2 图像营养评价指标的拟合与确定 | 第45-46页 |
| 4.4 结果与分析 | 第46-51页 |
| 4.4.1 不同时期NCMI与LNC的相关性 | 第47页 |
| 4.4.2 不同小麦品种NCMI与LNC的相关性 | 第47-48页 |
| 4.4.3 不同密度水平NCMI与LNC的相关性 | 第48-49页 |
| 4.4.4 不同氮肥处理NCMI与LNC的相关性 | 第49-51页 |
| 4.5 本章小结 | 第51-53页 |
| 第五章 小麦图像分割算法的优化与定量评价 | 第53-71页 |
| 5.1 样本分析与筛选 | 第53-55页 |
| 5.2 结合PCNN和同态滤波的图像增强算法研究 | 第55-60页 |
| 5.2.1 基于链接强度自适应和动态阈值设定法的PCNN改进算法 | 第55-57页 |
| 5.2.2 基于I分量的同态滤波器设计 | 第57-58页 |
| 5.2.3 图像增强处理结果及分析 | 第58-60页 |
| 5.3 基于图像增强和角度空间的K均值聚类分割算法研究 | 第60-69页 |
| 5.3.1 图像分割结果的分析与对比 | 第63-66页 |
| 5.3.2 基于NCMI的定量分析 | 第66-69页 |
| 5.4 本章小结 | 第69-71页 |
| 第六章 研究结论与展望 | 第71-75页 |
| 6.1 研究结论 | 第71-72页 |
| 6.2 本研究的创新点 | 第72页 |
| 6.3 展望 | 第72-75页 |
| 参考文献 | 第75-81页 |
| 致谢 | 第81-83页 |
| 攻读硕士学位期间发表的论文 | 第83页 |
