对作物进行快速氮素诊断,可及时针对诊断结果给出相应施肥措施。研究表明叶色可以反映作物的氮素水平,为更好地进行小麦拔节期施氮的快速诊断,本项目展开了利用数字图像处理技术对小麦进行氮素营养诊断的方法研究。本研究在不同拍照方案下获取、不同品种、不同氮肥用量的小麦冠层图像,由于自然光下获取的大田小麦冠层图像具有光照不均匀、含复杂背景及阴影等特点,经典图像分割算法存在精度低、过分割等问题;对分割完成后的图像提取并量化小麦叶片颜色特征,分析特征参数值与叶片氮含量(leaf nitrogen content,LNC)及叶绿素含量值的相关性,寻找并确定小麦氮素营养诊断的参数;目前多数作物氮素营养诊断基于单一拍摄方案或未考虑拍摄高度角度情况下获取作物冠层图像,图像的采集方案没有统一的标准。针对上述问题,论文主要贡献包括:(1)提出基于归一化H分量的K均值聚类小麦冠层图像分割算法,对不同光照条件下的图像分割效果较好;本文选择处理速度快的维纳滤波算法对相机抖动造成的模糊图像进行复原;其次,利用R+G-B归一化处理RGB空间下的彩色图像,以拉大背景与目标图像之间的差距,并转换为适用于照明不均匀场合的HSI颜色空间。经典图像分割算法对小麦冠层图像的分割存在精度低、过分割等问题,提出一种基于HSI空间下H分量的K均值聚类算法,并根据光照均匀与否,对彩色图像的H分量进行不同K均值聚类处理,最后经形态学开运算及去噪处理获得最终目标图像。实验表明,该方法对不同施氮量、不同光照、不同生长时期小麦冠层图像的分割效果较好,相对基于Lab空间的K-means聚类分割,该方法可一定程度避免过分割现象;相对基于H分量的otsu算法,对光照不均匀图像分割更完整,对复杂背景图像分割更精确。(2)提出并确定RGB颜色组合值(Color Mix Index,CMI)作为小麦氮素营养诊断参数。通过对某一时期的所有小区小麦冠层图像的CMI值和其对应的氮素指标进行回归分析,得到CMI= R+ b*G + c*B近似最优组合。通过分析不同种植方案下图像参数与氮素指标的相关性,确定了红光标准化值(Normalized Redness Intensity,NRI)与本研究提出的CMI值适合作为小麦氮素营养诊断的特征参数,小麦品种扬麦18号与生选6号进行氮素营养相关性分析对比,前者的相关性更好。其中CMI参数更适合于对扬麦18号进行氮素营养诊断,CMI和NRI均适合对生选6号进行氮素营养诊断。(3)分析不同拍照方案下图像特征参数与氮素营养指标的相关的相关性,确定高度1m和角度90°为最佳拍摄高度和角度。设计了不同的拍照方案获取图像,对所有分割完成的冠层图像提取并量化小麦叶片颜色特征,通过分析拍照高度、角度以及相机种类对特征参数与氮素指标相关性诊断的影响,确定相机高度距离冠层1m且垂直于地面拍摄时相关性系数R2最大,单反相机的相关性系数比普通相机效果更高些。上述研究成果为大田环境自然光下的小麦图像分割提供了理论依据和技术支持;确定了小麦氮素营养诊断中适宜的拍摄高度和角度,提出了新的指导小麦氮素营养诊断的参数CMI,为后续研究提供了便利,具有重要的理论意义和应用价值。