基于计算机图像处理的叶绿素含量检测系统研究

摘要

若将计算机视觉技术比作视神经接收外界信息并在大脑中成像的过程，则计算机图像处理过程可以看作是大脑对外界图像的一种筛选和量化。但是不同于人的视觉感官，计算机处理图像信息的过程更加具有准确性、针对性和高效性。利用计算机图像处理技术，可以克服人眼在心理和生理上的局限性，从而得到更为精确、高效的图像信息。
　　本文利用冷阴极辉光灯为光源的扫描仪来获取植物的叶片图像，并结合数字图像处理的特点，先对叶片图像的数字信息进行一系列处理，再分析颜色特征值与叶绿素含量之间的关系，建立回归模型，并编写了获取植物叶片叶绿素含量的可视化软件。
　　文中重点探讨了如何利用数字图像分割技术将叶片图像从背景中分离出来，对分割算法的相对精度和执行效率进行了深入的研究。研究采用混合的图像分割处理方法，在传统的图像处理和分割算法的基础上进行了改进，采用改进的8连通区域中值滤波，基于线性区域增长的自适应8连通区域标记法以及改进的自适应Ostu阈值分割算法等，从而大大提高了图像处理和分割的效率和相对精度，使得实时获取叶片叶绿素含量的信息成为可能。此外，文中还对通过上述算法得出叶片图像的默认颜色空间RGB、利用线性空间变换得到的颜色空间CIE-XYZ、非线性空间变换得到的颜色空间HSL、CIE-L*a*b*的颜色特征值及其颜色空间集合内部的加权运算所得到的运算值进行分析和比较，拟合出最能够表征叶绿素含量的特征值，并利用最小二乘法得到特征值的二次回归方程和多元非线性回归方程来反演叶片叶绿素的含量信息。
　　利用C++ Builder6.0对上述算法进行了编程实现，验证了方法的准确性和可行性，为下一步的研究奠定了坚实的基础。

目录

独创性声明

关于论文使用授权的说明

第一章 绪论

1.1课题的目的与意义

1.1.1课题的目的

1.1.2课题的意义

1.2国内外研究现状

1.2.1国外研究现状

1.2.2国内研究现状

1.3课题研究内容及创新点

1.3.1主要研究内容

1.3.2研究的创新点

1.4总结

第二章 试验材料与方法

2.1叶片样本的选取和试验方法

2.1.1叶片的选取

2.1.2叶绿素含量检测方法简介

2.1.3利用分光光度计法检测叶绿素含量

2.2数字图像的输入与输出

2.2.1数字图像的输入设备

2.2.2数字图像的输出

2.2.3 C++ BUILDER 6.0软件开发环境简介

2.3小结

第三章 叶片图像的预处理及分割

3.1颜色空间

3.1.1 RGB颜色空间

3.1.2 HSI颜色空间

3.1.3 CIE颜色空间

3.2图像的灰度化

3.3图像的滤波

3.3.1 Guass滤波

3.3.2改进的中值滤波

3.3.4滤波算法结果的对比

3.4图像的分割

3.4.1颜色特征值的直方图

3.4.2图像分割

3.4.3去除孤立点及填充洞孔

3.4.4图像重叠

3.5小结

第四章 叶片图像颜色特征值的分析和处理

4.1颜色特征值的提取

4.2颜色特征值的相关性分析

4.3叶绿素含量检测模型

4.4小结

第五章 叶绿素含量检测系统

5.1颜色直方图模块

5.2颜色参数模块

5.3图像处理模块

5.4小结

第六章 结论与展望

6.1结论

6.2需要改进之处及下一步工作建议

参考文献

攻读硕士学位期间发表的学术论文

致谢