基于计算机视觉技术的叶绿素含量检测系统

论文摘要

植物叶片的叶绿素含量与其光合速率、营养状况等密切相关。实践上常用测定叶绿素含量的方法来检测植物的生长状况,也往往把叶色变化作为看苗诊断和肥水管理的重要指标。传统的叶绿素测定方法具有耗时长、环节多、操作复杂等问题。随着计算机技术和图像处理技术的发展,基于计算机视觉技术的叶绿素检测方法已成为植物叶绿素信息获取的新手段,该方法快捷、便利,具有无损伤和实时等特点。本论文主要是设计了一个基于计算机视觉技术的叶绿素含量测定仪的软件系统,该系统能正确的测定农作物叶绿素的含量,并可最终用于指导生产实践,其测定的速度和精度都符合设计要求。在设计的软件系统中,首先在对图像进行了滤波、放大等预处理后,采用了阈值分割技术和K-均值聚类分割技术,并在RGB色彩模型下对作物图像进行了分割。然后结合形态学和目标区提取等方面的相关知识,实现了对作物图像特征的提取与分析。最后结合C#语言开发了一个交互性良好的樱花树叶叶绿素的测定软件,此项研究成果还能进行推广,用于其他作物叶绿素含量的测定。

论文目录

• 中文摘要
• Abstract
• 第一章 绪论
• 1.1 计算机视觉与数字图像处理
• 1.2 计算机视觉技术的组成
• 1.3 目前叶绿素检测方法
• 1.4 机器视觉技术在作物科学研究中的应用
• 1.5 选题依据及本文研究内容
• 第二章 计算机视觉系统的设计
• 2.1 计算机视觉系统的硬件组成
• 2.1.1 摄像机
• 2.1.2 视频采集卡
• 2.1.3 计算机
• 2.2 数据的采集
• 2.2.1 叶片采集困难与问题
• 2.2.2 叶片采集盒的结构设计
• 2.2.3 光源对叶绿素采集的影响
• 2.2.4 摄像机图像数据的采集
• 2.3 计算机视觉系统的软件部分
• 第三章 作物图像的预处理
• 3.1 彩色基础
• 3.2 彩色空间
• 3.3 直方图表示
• 3.3.1 灰度直方图
• 3.3.2 颜色直方图
• 3.4 图像平滑与去噪
• 3.4.1 常用滤波方法
• 3.4.2 中值滤波
• 3.5 图像的放大与缩小
• 3.5.1 图像放大算法
• 3.5.2 实验结果
• 3.6 本章小结
• 第四章 叶片局部特征的提取与分析
• 4.1 彩色图像分割的一般方法
• 4.2 基于阈值分割技术的彩色图像分割
• 4.2.1 算法描述
• 4.2.2 阈值分割原理及分类
• 4.2.3 HSI 彩色空间分割
• 4.2.4 RGB 彩色空间分割
• 4.3 图像二值化
• 4.4 形态学填充孔洞
• 4.4.1 形态学的几个基本概念
• 4.4.2 膨胀
• 4.4.3 腐蚀
• 4.4.4 膨胀与腐蚀的性质
• 4.5 区域标记与目标区提取
• 4.5.1 连通性和连通分量
• 4.5.2 连通分量的提取
• 4.5.3 区域标记
• 4.5.4 目标区的提取
• 4.6 分析局部特征
• 4.7 实验结果与分析
• 4.8 本章小结
• 第五章 作物整体特征的提取与分析
• 5.1 基于K-均值聚类的彩色图像分割
• 5.1.1 算法描述
• 5.1.2 聚类的概念
• 5.1.3 K-均值聚类法原理
• 5.1.4 K-均值聚类彩色分割原理
• 5.1.5 初始聚类中心的选取
• 5.2 实验结果及分析
• 5.3 本章小结
• 第六章 叶绿素测定系统软件设计
• 6.1 软件功能介绍
• 6.2 软件的设计与实现
• 6.2.1 系统运行界面
• 6.2.2 系统软件的设计及操作
• 6.3 实验结果及分析
• 6.4 本章小结
• 第七章 结论与展望
• 7.1 结论
• 7.2 展望
• 参考文献
• 攻读硕士期间发表的主要论文
• 致谢