不同氮肥处理下小麦冠层和叶片光谱特征及产量分析

利用遥感光谱无损、快速分析出氮肥的施用时期和施用模式,对于保护环境、产量及氮肥利用率的提高具有重要意义。利用FieldSpec 4 Wide-Res Field Spectrum radiometer便携式地物光谱仪,测定了不同氮水平下小麦冠层和叶片两种模式光谱特征及红边参数变化规律;提出一个新指数--归一化差异最大指数（normalized difference maximum index,NDMI）,并分析其与叶面积指数（leaf area index,LAI）、SPAD（soil and plant analyzer development）值、MDA（malondialdehyde）含量、旗叶氮含量和产量的相关性。结果表明,小麦叶片原始光谱在开花后26 d起800～1 330 nm区间的光谱反射率以N3（1/3底施+1/3冬前追肥+1/3拔节期追肥）处理为最高,N1处理（1/2底施+1/2冬前追肥）次之。主要原因是由冬前和拔节期两个时期均施三分之一氮肥,增强了叶片光合能力。小麦冠层原始光谱,在400～700 nm波段,N2（1/2底施+1/2拔节期追肥）处理最低;在760~1 368 nm波段区间,由于群体结构不同,在开花期至灌浆中期N1处理的光谱反射率最高,N3处理次之;N3处理的冠层光谱反射率在开花后26和33 d最高。建议用400～700和760～1 368 nm波段的冠层原始光谱数据,分别来辨别小麦旗叶含氮量的高低及施肥模式。叶片模式下一阶微分光谱在500～750 nm区间出现两个“峰”,通过峰的位置偏移程度和偏移时期来估测施氮的模式。在670～740 nm区间冠层一阶微分光谱值在开花期最高,开花后10 d的一阶微分光谱值最低。在开花期至开花后10 d N1处理的一阶微分光谱值高于N3处理;灌浆中期至开花后33 d N3处理的一阶微分光谱值高于N1处理。可以通过一阶微分最大值来推测小麦所处的生育期和施肥的方式及施肥时期。在开花期至灌浆中期,冠层反射率一阶导数最大值（FD-Max）N1处理最高,N3处理次之;在开花后26～33 d,N3处理的群体结构较其他处理密,导致其一阶导数最大值一直最高。四个处理叶片一阶导数最大值变化趋势不如冠层显著。四个处理的反射率一阶导数最大值对应的红边位置（REP_FD-Max）中,N1和N3冠层REP_FD-Max在灌浆中期后偏移显著;在开花后26～33 d,N3处理的群体上层结构密,叶片宽且厚,冬前追施氮肥影响REP_FD-Max偏移程度。基于NDVI基础上,筛选出一个新指数--归一化差异最大指数。冠层归一化差异最大指数（CNDMI）与农化参数的相关系数高于叶片归一化差异最大指数（LNDMI）,且CNDMI与产量的相关性比LNDMI显著。冠层归一化差异最大指数与旗叶氮含量、SPAD值和MDA含量有着显著的相关性,相关系数r分别为0.812 88,0.928 21和-0.722 17。综上所述,借助光谱数据和红边参数可以推测小麦含氮量的高低,所处的生育期和施氮肥的模式,进而为田间施肥管理及施肥诊断提供依据。CNDMI与小麦产量有着更好的相关性,符合我国资源卫星的光谱波段范围,具有可实际操作性。     

双向随机区组设计的研究

双向随机区组设计，系在通常的随机区组设计的基础上稍加变化而成，可控制试验地两个方向的土壤差异，但又不象拉丁方设计那样处理数必须等于重复次教，而比较灵活易掌握，这个设计的试验精确度相当于拉丁方设计，但整个试验的小区数目要比拉丁方设计少得多，因此这个设计具有较大的实用意义． 田间试验误差的主要来源是讨论地的土壤差异．田间试验设计的主要目的就在于控制和减少因土壤差异而造成的误差，并能估计出无偏的误差值作为测定处理间差异显著性的依据，从而提高试验的精确度．随机区组设计的精确度不及拉丁方设计．随机区组设计只能控制一个方向的土壤差异，拉丁方设计可控制两个方向的土壤差异，但拉丁方设计的重复次数必须等于处理数，如处理数在６个以上，应用拉丁方设计时就会感到因重复次教的增加而增加试验的工作量以至于无法采用拉丁方设计．作者从多年的田间试验实践中提出一种“双向随机区组”设计，这种设计系在通常的随机区组设计的基础上演变而来，可控制纵横两个方向的土壤差异，提高试验的精确度，但小区数目与拉丁方设计相比要少得多，以至于使试验的工作量大大减少，能经济地利用人力和物力．目前所看到的田间试验设计尚无这种设计，故命名为“双向随机区组”设计．     

局部形状特征概率混合的半自动三维点云分类

三维激光扫描获取的点云数据可用于数字城市建设、三维模型获取、场景分析与物体测量等领域.但因遮挡和噪声的影响,加之扫描场景复杂,采样精度受限,使得不能直接运用经典的曲面和三维空间理论对点云数据进行有效分析和处理.分类是点云数据预处理的重要方式之一.提取近邻四面体体积、近邻法向量差异度、主方向差异度和主曲率值4个局部形状特征,采用概率混合策略构建了一种点云数据的半自动分类方法,可实现平面点集、柱面点集和其他点集的有效区分.其中,概率混合策略是依据近邻点平均距离和单指标类别一致程度估计每个特征推断形状的概率,通过混合加权,依据概率赋权函数最大值准则进行局部形状推断.可实现用户交互,以便处理不同扫描尺度和精度的点云数据.采用本文方法对模拟生成的点云、单棵树木点云、街道场景点云、旷野自然场景扫描点云以及航空机载扫描点云等多组数据进行了实验,结果表明,基于局部形状特征的概率混合方法对各种点云数据均具有良好的分类效果.     

基于结构性信息的纹理合成与图像修复

纹理合成与图像修复是计算机图形学中的一个研究热点,具有广泛的应用前景．提出了一种基于结构性信息的判断纹理块匹配误差的新方法：颜色-结构差异算法．该方法同时考虑了纹理块之间颜色误差和结构误差对纹理块的相似性的影响,弥补了单纯考虑颜色误差的不足,保证了图像间结构信息的连贯性,从而确保合成后的纹理及修复后的图像在视觉上的连贯性．     

半干旱采煤塌陷不同应力区典型植物高光谱特征分析

利用高光谱反演、监测植被生长状况的基础是光谱特征识别。以半干旱采煤塌陷区为样地，利用Field Spec 3地物光谱仪与SPAD-502叶绿素仪同步采集采煤地表塌陷形成的不同应力区(非采区、中性区、拉伸区、压缩区)典型植物叶片光谱反射率与叶绿素含量(SPAD值)，分析典型植物相同应力区SPAD值升高其光谱特征的变化，对比不同应力区典型植物SPAD值较高与较低时光谱特征的差异，并借助Matlab软件深入研究不同应力区典型植物SPAD值与差值指数、归一化指数的相关关系。结果表明：(1)不同应力区同种植物光谱曲线随着SPAD值不同变化规律相异，可见光波段区分明显，其余波段受应力影响的区域样本SPAD值不同，反射率比非采区波动更为剧烈与无序。可见光波段，糙隐子草、柠条、杨树、油蒿SPAD值低的样本光谱曲线绿峰缺失，SPAD值升高，绿峰出现但位置红移，SPAD值高于30时，为典型植被光谱曲线，油松样本SPAD值越高反射峰值越小；受应力影响的区域SPAD值低的样本谷、峰、边特征参数缺失更多，光谱变化规律不强。(2)400～700 nm波段，不同应力区糙隐子草、油蒿、油松、柠条样本SPAD值较低组反射率显著高于较高组，杨树样本相反；780～1 350 nm波段，拉伸区的糙隐子草、非采区的油蒿和柠条、压缩区的油松和杨树样本SPAD值较高组与较低组的反射率差异小；相较于非采区，受应力影响的糙隐子草、油蒿、柠条样本在所测波段SPAD值较高组与较低组的同波段反射率差值显著减小。(3)受应力影响的区域样本SPAD值与光谱指数相关性较之非采区在某些波段大面积增强。与非采区相比，中性区的油蒿、油松、柠条、杨树样本SPAD值与光谱指数的最大相关系数值均增大，糙隐子草相反；非采区植物SPAD值与NDVI最大相关系数均高于DI，波段组合多位于近红外，受应力影响区域的样本最大相关系数多数位于可见光波段。本研究为矿区不同应力区典型植物高光谱波段识别与植物健康状态监测、矿区生态环境精准治理提供了理论支撑。     

基于多尺度区域对比的显著目标识别

为了对图像中的显著目标进行更精确的识别,提出一种新的基于多尺度区域对比的视觉显著性计算模型。首先基于多尺度思想将图像分别分割为不同数目的超像素,对超像素内的像素颜色值取平均以生成抽象化图像;然后根据显著特征的稀少性及显著特征的聚集性,计算单一尺度下超像素颜色特征的显著性值;最后通过取各尺度超像素显著度的平均值来融合多尺度显著图,得到最终的视觉显著图。实验表明,以MSRA图库中的1 000张随机自然图片为例,该模型较现有较好的区域对比模型,显著目标识别的精确率提高了14.8%,F-Measure值提高了9.2%。与现有的算法相比,该模型提高了算法对显著目标大小的适应性,减少了背景对显著目标识别的干扰,具有更好的一致性,能更好地识别显著目标。     

基于颜色和方向特征区域对比度的显著性检测模型

视觉显著性检测是很多计算机视觉任务的重要步骤,提出了一种基于颜色、方向特征和空间位置关系相结合的区域对比显著性检测算法.首先用基于图论的算法将图像分割成若干区域,结合区域间颜色特征和空间对比度计算出颜色显著图.同时采用基于纹理特征的算法分割图像,通过方向特征和空间对比度得到方向显著图.最后将二者结合得到最终显著图.在国际现有公开测试集上进行仿真实验,并与其它显著性检测方法进行对比,检测结果更加准确、合理,证明此算法切实可行.     

Mueller-Matrix-Based Differential Rotation Method for Precise Measurement of Fiber Birefringence Vector

The method of complete polar decomposition for arbitrary Mueller matrixes is introduced to analyze the birefringence vector induced in a fiber, and then based on the Mueller matrix （MM） method, three kinds of computation methods including the absolute, the relative, and the differential rotation methods are proposed and investigated in detail. A computer-controlled measure system is employed to measure the Mueller matrix and birefringence vector for a 2.5-km fiber system with length 5 mm under lateral press in complicated environment with much perturbation. Experimental results show that the differential rotation （DR） method is the optimal approach to achieve fiber birefringence vectors in a large dynamic range of lateral press on fibers in perturbed situations, which reaches the highest linearity of 0.9998 and average deviation below 2.5%. Further analyses demonstrate that the DR method is also available for accurate orientation of lateral press direction and the average deviation is about 1.1°.