| 致谢 | 第7-9页 |
| 摘要 | 第9-11页 |
| Abstract | 第11-13页 |
| 目录 | 第14-19页 |
| 图目录 | 第19-21页 |
| 表目录 | 第21-23页 |
| 主要缩略词表 | 第23-24页 |
| 第一章 绪论 | 第24-35页 |
| 1.1 研究背景 | 第24-26页 |
| 1.2 光谱技术在植物营养诊断中的应用 | 第26-29页 |
| 1.3 高光谱成像技术在植物营养诊断中的应用 | 第29-33页 |
| 1.3.1 高光谱成像技术的原理简介 | 第29-30页 |
| 1.3.2 高光谱成像技术在植物营养诊断中的研究进展 | 第30-33页 |
| 1.3.3 高光谱成像技术在植物养分信息诊断研究中的问题和难点 | 第33页 |
| 1.4 研究内容 | 第33-34页 |
| 1.5 本章小结 | 第34-35页 |
| 第二章 材料与方法 | 第35-59页 |
| 2.1 实验材料 | 第35-36页 |
| 2.1.1 试验品种的选择 | 第35页 |
| 2.1.2 田间试验设计 | 第35-36页 |
| 2.2 高光谱成像的数据采集系统 | 第36-41页 |
| 2.2.1 光源 | 第36-37页 |
| 2.2.2 分光模组(光谱仪) | 第37-39页 |
| 2.2.3 面阵CCD侦测器 | 第39页 |
| 2.2.4 其他辅助设备 | 第39页 |
| 2.2.5 高光谱成像获取软件平台 | 第39-41页 |
| 2.3 油菜叶片养分的化学值测量方法 | 第41-45页 |
| 2.3.1 油菜叶片氮含量的测定 | 第41-42页 |
| 2.3.2 油菜叶片磷含量的测定 | 第42-44页 |
| 2.3.3 油菜叶片钾含量的测定 | 第44-45页 |
| 2.3.4 油菜籽产量的获取 | 第45页 |
| 2.4 光谱数据预处理方法 | 第45-47页 |
| 2.4.1 平滑处理 | 第45页 |
| 2.4.2 变量标准化 | 第45-46页 |
| 2.4.3 多元散射校正 | 第46页 |
| 2.4.4 求导处理 | 第46-47页 |
| 2.5 特征波长提取方法 | 第47-50页 |
| 2.5.1 连续投影算法 | 第47-48页 |
| 2.5.2 回归系数法 | 第48页 |
| 2.5.3 载荷系数法 | 第48页 |
| 2.5.4 遗传算法 | 第48-49页 |
| 2.5.5 主成分分析 | 第49-50页 |
| 2.6 高光谱图像纹理特征提取方法 | 第50-53页 |
| 2.6.1 基于概率统计滤波的纹理特征提取方法 | 第50-51页 |
| 2.6.2 基于二阶概率统计滤波的纹理特征提取方法 | 第51-53页 |
| 2.7 化学计量学建模方法 | 第53-57页 |
| 2.7.1 偏最小二乘法 | 第53-54页 |
| 2.7.2 多元线性回归 | 第54页 |
| 2.7.3 最小二乘-支持向量机 | 第54-56页 |
| 2.7.4 人工神经网络 | 第56-57页 |
| 2.8 模型评价标准 | 第57-58页 |
| 2.9 数据处理软件 | 第58页 |
| 2.10 本章小结 | 第58-59页 |
| 第三章 油菜叶片氮含量的快速检测研究 | 第59-91页 |
| 3.1 引言 | 第59页 |
| 3.2 油菜苗期叶片氮含量的检测研究 | 第59-68页 |
| 3.2.1 油菜苗期样本制备 | 第59-60页 |
| 3.2.2 油菜苗期叶片高光谱图像信息的获取 | 第60页 |
| 3.2.3 油菜苗期叶片氮含量的统计分析 | 第60-61页 |
| 3.2.4 基于光谱信息的苗期叶片氮含量检测模型分析 | 第61-65页 |
| 3.2.5 基于高光谱图像纹理信息的苗期叶片含氮量模型分析 | 第65-68页 |
| 3.3 油菜花期叶片氮含量的检测研究 | 第68-75页 |
| 3.3.1 油菜花期样本制备 | 第68页 |
| 3.3.2 油菜花期叶片高光谱图像信息的获取 | 第68页 |
| 3.3.3 油菜花期叶片氮含量的统计分析 | 第68页 |
| 3.3.4 基于光谱信息的花期叶片氮含量检测模型分析 | 第68-72页 |
| 3.3.6 基于高光谱图像纹理信息的花期叶片含氮量模型分析 | 第72-75页 |
| 3.4 油菜角果期期叶片氮含量的检测研究 | 第75-82页 |
| 3.4.1 油菜角果期样本制备 | 第75页 |
| 3.4.2 油菜角果期叶片高光谱图像信息的获取 | 第75页 |
| 3.4.3 油菜角果期叶片氮含量的统计分析 | 第75页 |
| 3.4.4 基于光谱信息的角果期叶片氮含量检测模型分析 | 第75-79页 |
| 3.4.5 基于高光谱图像纹理信息的角果期叶片含氮量模型分析 | 第79-82页 |
| 3.5 油菜苗-花-角果生命期叶片氮含量的检测研究 | 第82-86页 |
| 3.5.1 油菜苗-花-角果生命期样本制备及叶片高光谱图像信息的获取 | 第82页 |
| 3.5.2 油菜苗-花-角果生命期叶片氮含量的统计分析 | 第82页 |
| 3.5.3 光谱预处理方法及PLS模型的比较 | 第82-84页 |
| 3.5.4 特征波长的提取 | 第84-85页 |
| 3.5.5 基于特征波长的模型分析 | 第85-86页 |
| 3.6 叶片氮含量可视化研究 | 第86-90页 |
| 3.7 本章小结 | 第90-91页 |
| 第四章 油菜叶片磷含量的快速检测研究 | 第91-107页 |
| 4.1 引言 | 第91页 |
| 4.2 油菜叶片样本制备 | 第91-92页 |
| 4.3 油菜叶片高光谱图像信息的获取 | 第92页 |
| 4.4 油菜叶片磷含量的统计分析 | 第92-93页 |
| 4.5 基于光谱信息的叶片磷含量检测模型分析 | 第93-99页 |
| 4.5.1 光谱预处理方法及PLS模型的比较 | 第93-95页 |
| 4.5.2 特征波长的选取 | 第95-97页 |
| 4.5.3 基于特征波长的模型分析 | 第97-99页 |
| 4.6 油菜叶片磷含量的可视化研究 | 第99-101页 |
| 4.7 基于高光谱图像纹理信息的叶片磷含量模型分析 | 第101-105页 |
| 4.7.1 基于特征波长下图像的纹理特征分析 | 第101-103页 |
| 4.7.2 基于图像主成分分析的纹理特征分析 | 第103-105页 |
| 4.8 本章小结 | 第105-107页 |
| 第五章 油菜叶片钾含量的快速检测研究 | 第107-121页 |
| 5.1 引言 | 第107页 |
| 5.2 油菜叶片样本制备 | 第107页 |
| 5.3 油菜叶片高光谱图像信息的获取 | 第107页 |
| 5.4 油菜叶片钾含量的统计分析 | 第107-108页 |
| 5.5 基于光谱信息的叶片钾含量检测模型分析 | 第108-113页 |
| 5.5.1 光谱预处理方法及PLS模型的比较 | 第108-110页 |
| 5.5.2 特征波长的选取 | 第110-112页 |
| 5.5.3 基于特征波长的模型分析 | 第112-113页 |
| 5.6 油菜叶片钾含量的可视化研究 | 第113-115页 |
| 5.7 基于高光谱图像纹理信息的叶片钾含量模型分析 | 第115-119页 |
| 5.7.1 基于特征波长下图像的纹理特征分析 | 第115-117页 |
| 5.7.2 基于图像主成分分析的纹理特征分析 | 第117-119页 |
| 5.8 本章小结 | 第119-121页 |
| 第六章 油菜籽产量的早期快速评定研究 | 第121-129页 |
| 6.1 引言 | 第121-122页 |
| 6.2 油菜叶片样本制备 | 第122页 |
| 6.3 油菜叶片高光谱图像信息的获取 | 第122页 |
| 6.4 油菜籽产量的统计分析 | 第122-123页 |
| 6.5 基于叶片光谱信息的产量预测研究 | 第123-127页 |
| 6.5.1 叶片光谱数据的提取 | 第123-124页 |
| 6.5.2 基于全波段的油菜籽产量预测模型分析 | 第124-125页 |
| 6.5.3 特征波长的提取 | 第125-126页 |
| 6.5.4 基于特征波长的油菜籽产量预测模型分析 | 第126-127页 |
| 6.6 本章小结 | 第127-129页 |
| 第七章 结论与展望 | 第129-132页 |
| 7.1 主要研究结论 | 第129-130页 |
| 7.2 主要创新点 | 第130-131页 |
| 7.3 研究展望 | 第131-132页 |
| 参考文献 | 第132-139页 |
