随着全球信息化的发展,数字农业成为了现代农业发展的新潮流。它通过对农业产前、产中、产后过程进行数字化设计、可视化表达和智能化控制,形成精准选种、精准播种、精准施肥、精准灌溉、分级收储、动态监控、适时调节的“链条”,以获取最佳的投入产出比,对于实现农业的可持续发展有着十分重要的意义。本研究以“基于嵌入式网络技术和CDMA服务的远程农田信息监控系统”为工具来实现华北平原某农场冬小麦、夏玉米长势的实时图像获取和信息的远程自动无线传输,以数字图像处理技术为手段,实现该农场冬小麦、夏玉米株高的远程实时动态监测,为该农场冬小麦、夏玉米的精准管理、数字化管理提供技术支撑。进而为华北平原冬小麦、夏玉米的精细化管理提供决策依据。Visual C++6.0编程,利用“双目立体视觉”的基本原理来处理动态传输到终端服务器的大田冬小麦、夏玉米实时双目图像对,经过摄像机标定,图像分割,噪声去除,区域网格化,区域匹配等过程来获得左右图像中目标点的对应关系,然后构建物体的三维信息,近似于人类视觉系统的立体感知过程,从而快捷得出冬小麦、夏玉米的实时株高信息。主要研究结果如下：(1)摄像机标定采用采集标定杆图像的方法进行摄像机标定,在摄像机监控区域插4根标定杆,分别位于1m2正方形的四个角。把标定杆的颜色涂为红色,在标定杆的顶部、中部和底部贴白色标定点,共12个标定点。标定杆设置好后,以标定杆为聚焦目标来调节左右摄像机,使其12个标定点都落入图像中,且左右图像大致相同。摄像机调试好后,采集标定杆的左右图像对,利用线性法进行摄像机标定。经试验发现,标定的标准偏差在误差的允许范围之内,是一种快捷、有效的摄像机标定方法。(2)对于冬小麦、夏玉米的中后期图像,使用G分量灰度化图像后,最大类间方差自动寻找阈值能够很好的分割出作物。对于前期的冬小麦、夏玉米图像,使用G分量灰度化图像后,难以分割出目标。经试验研究发现：受光照影响较小或者阴天采集的苗期冬小麦、夏玉米图像,采用加权值(2G-R-B)灰度化图像,最大类间方差自动寻找阈值也能够分割出目标。但是,受光照影响强烈的冬小麦、夏玉米苗期图像来说,没有寻找出较好的分割办法。(3)针对群体作物杂乱无章、相互遮挡、图像分辨率较差的特点,本研究尝试对左右投影区域进行网格化匹配。首先,由高度标定杆上被作物遮挡的某点来初步确定投影区域的高度。其次,对投影区域进行网格化处理。接着对网格化后的二值图像进行网格化匹配。只对感兴趣的白色部分(作物)进行匹配,对于全部为白色像素的网格直接完成匹配,对于不全为白色像素的网格,设置了一定的匹配准则,当某网格中白色像素占网格内总像素的比例达到一定数值后,该网格成功完成匹配,否则作为背景放弃。然后提取成功匹配网格的质心,对质心点进行三维重建。质心点的Y值作为本试验的株高。(4)依据上述方法对冬小麦、夏玉米图像进行株高解析,图像解析结果达到了一定的精度。生育期实测株高与对应的图像解析株高的相关性分别达到：0.9129和0.9848。冬小麦、夏玉米株高图像解析结果与实测结果相关性最好的分别表现为30(0.1)和10(0.1)组合,实测值与图像解析结果拟合的方程分别为：y=1.1178x+6.2503；y=0.9585x+50.857。模型检验中,冬小麦的最大相对误差为8.37%,最小为2.58%；夏玉米的最大相对误差为8.84%,最小为0.11%。综合实验结果,可以得出本试验的株高解析思路具有可行性,达到一定的精度。操作过程中,对于冬小麦来说,区域网格不可以划太少。对于夏玉米来说,区域网格维持在100个左右,不仅图像解析结果精度高,而且节省计算机的计算量。(5)冬小麦、夏玉米长势远程实时动态监测系统利用Visaul C++6.0的MFC编程实现,开发过程中采用了模块化的设计思想,把软件的主要任务封装在几个主要的类中。用计时器与线程来实现图像的实时搜索、动态预处理,自动分析,结果动态显示。然后用OpenGL窗口实现匹配点云的三维显示。