随着科技水平的不断发展与进步,精细农业正在走向农业生产的各个环节,由于与作物生长状况之间存在定性和定量的关系,植被指数作为一项重要的检测指标被应用于各种智能检测设备之中,对指导开展精细农业起到了积极的作用。在田间实际应用中,现有的商用化设备的植被指数检测结果易受背景干扰的影响,尤其在作物生育早期,由于植被覆盖度低,以土壤为主的背景干扰对冠层的反射光谱信号有非常大的影响。为了有效消除背景干扰对植被指数测量结果的影响,本文设计了一套抗背景干扰的植物冠层植被指数测量系统,提出了去除背景干扰的植被指数测量方法。该方法利用太阳光各波段辐射能量占比基本保持稳定的特征,设计了一种以太阳光作为检测光源的植被指数计算方法,同时应用图像处理与立体匹配技术实现窄带图像的有效分割,达到抗背景干扰的测量目的。在设计的有效检测范围内,测量结果在测量高度和外界光环境变化时具有较高的稳定性。本文的主要研究内容和研究成果如下:（1）国内外研究现状分析:介绍了国内外对于作物冠层反射光谱仪的研究现状,分析了国内外典型光谱仪性能的优缺点,介绍了图像处理技术在作物营养状况诊断中的研究现状。并在此基础上,确定本文的研究目标和研究内容。（2）测量装置软硬件设计与设备标定:根据功能需求,研制了由三个主光轴相互平行且具有相同性能参数的相机构建的植被指数测量系统,通过在相机镜头加装滤光片的形式改装成窄带相机,利用其中一个近红外窄带相机和一个红光窄带获得的窄带图像灰度值计算作物的植被指数,利用近红外背景图像和冠层图像的高反差特性及两个同波段近红外窄带相机获得的视差信息,实现背景干扰的去除;针对该测量系统,开发了相应的图像采集与处理软件,通过黑白棋盘格标定板测定了相机的内外参数矩阵,建立了成像几何模型;利用标准白板和灰度板进行了不同高度、不同太阳光强下的窄带相机响应测试,测定了系统利用图像灰度值获取反射率的测量精度。测量结果显示:标称反射率75%的灰度板在770nm波段中的平均反射率为75.47%,变异系数1.5%;在660nm波段中的平均反射率为75.56%,变异系数1.06%;标称反射率10%的灰度板在770nm波段中的平均反射率为9.33%,变异系数8.36%;在660nm波段中的平均反射率为11.1%,变异系数5.01%。表明测量装置获得的反射率值与标称反射率值有很高的一致性,具有较高的测量精度,由于植被指数是基于反射率构建,因此,利用本测量装置获取对象灰度信息的方法可以用来计算植被指数。（3）免白板校正的植被指数计算方法:由于太阳光中各波段的辐射能量占比基本恒定,提出了利用不同检测波段的标准白板反射响应比ω计算植被指数的方法,该方法在实际测量过程中无须进行白板校正,测量结果理论上与测量高度和光照环境无关。在不同月份（在3月、7月和12月共随机选取了 12天）、不同天气条件（阴、晴和多云）、不同测量时间段（从早上9:00～17:00设置7个时间段）和不同测量高度下（60cm、70cm、80cm、90cm和100cm五个测量高度）对测量系统两个检测波段的标准白板反射响应比ω开展了测定试验,测试过程中,太阳光强的变化范围为10000LUX～120000LUX。对不同的测量时间段和测量高度下获得的测量结果分别进行了单因素方差分析,分析结果表明:标准白板反射响应比ω总体上无显著差异,这说明白板反射响应比ω基本不受外界光照条件和测量高度的影响。针对本文的构建的测试系统,测试过程获得的白板反射响应比ω在测量高度为70cm～100cm中、测量时间为9:00～15:00、太阳光强位于60000Lux～110000Lux的条件下具有较为理想的测试结果,ω的均值为1.0069,变异系数为7.62%。（4）窄带图像的分割方法:利用近红外光窄带图像的植被冠层与背景的高反差特性,设计了一种稳定的归一化阈值分割方法。针对同一测量点、同一测量高度下的作物冠层,太阳光强在30000LUX至70000LUX中变化时,归一化分割阈值基本恒定在0.35左右,变异系数3.45%,表明该分割方法可实现近红外光窄带图像对光环境的自适应性分割;利用近红外窄带图像分割结果和空间几何关系,通过坐标平移实现红光图像的冠层区域分割;对平移变换结果进行评价,结果表示,红光窄带图像中冠层的分割平均正确率为88.53%,变异系数为2.13%,表明分割得到的红光图像冠层区域能够有效代表冠层的整体情况,可用于冠层的植被指数的构建。以培育的小麦冠层作为测试对象,选择九个测量点,分别在位于作物冠层的不同测量高度（90cm、100cm、110cm、120cm、130cm 和 140cm 六个测量高度）进行 NDVI（Normalized Difference VegetationIndex,归一化植被指数）的测量。结果表示,在不同高度、不同太阳光强下的NDVI测量值基本稳定,最大变异系数为6.69%,表明本文提出的测量方法受测量高度和太阳光强的影响较小。本文基于自主设计制作的测量装置,构建了免白板校正的光谱植被指数计算方法;提出了窄带图像的光强自适应分割方法,利用几何变换分割出红光窄带图像中的作物冠层与背景;确定了以窄带图像灰度值作为被测物体反射信息的计算方法;开展了相关实验测试,结果表明,在太阳光强可测量范围内,可完成田间条件下抗背景干扰的作物冠层植被指数测量。