作物优良品种选育是实现作物优质高产的关键。 现代育种方法需要获取植株的大量表型信息, 最终选育出性状稳定的优良品种。 近年来, 高通量植物表型分析技术因其快速、 无损、 高效等优势, 为筛选优良作物品种提供了技术保障, 已成为农学、 工程、 计算机科学等多学科交叉研究的热点。 其中, 叶绿素荧光技术作为植物光合作用的探针, 是研究植物逆境胁迫表型的有力工具之一, 能够实现植物生物与非生物胁迫的高效分析, 加快作物优良性状的筛选。 该文旨在阐述叶绿素荧光技术的研究进展和发展趋势, 主要介绍了叶绿素荧光技术的基本原理和成像系统、 叶绿素荧光参数的分析和处理方法, 总结了在植物表型分析研究中的应用情况, 探讨了该技术目前存在的问题和改进的方法, 进一步展望了叶绿素荧光技术在植物表型分析中的应用前景。

合成孔径雷达(SAR)图像的分割是SAR图像理解的基础。结合Nystrm采样技术和图谱理论，提出了一种改进的SAR图像高效快速谱聚类新算法。该算法引入矩阵扰动分析理论，构造适用于SAR图像的自动确定类数准则；在分析比例参数对谱聚类算法影响的基础上，依据SAR图像的整体结构特征，构造了比例参数的自适应邻域估计方法；根据SAR图像中每个像素的灰度值和空间位置，构造出更能描述SAR图像本质结构的相似函数，进而给出改进的谱聚类算法；将这种新的谱聚类算法应用于仿真实验和实际SAR图像分割中,并与传统谱聚类方法进行了比较。

合成孔径雷达(SAR)的成像过程使其高分辨图像的几何形变呈现局部性。针对高分辨SAR 图像精确配准问题,本文提出一种基于邻域重构模型的局部转换函数. 邻域重构模型首先采用重构系数刻画参考图像中每个像素点的几何位置;接着给出了一种重构控制点的选择标准使每个像素的配准误差达到最小;最后根据重构系数及控制点坐标对输入图像进行再抽样以实现配准。与经典分片线性映射相比,该模型从理论上给出了一种区域剖分准则:对于每个像素选取能使配准误差能达到最小的控制点作为重构控制点。对模拟数据和真实SAR 图像进行了试验,结果表明,该模型能有效地提高配准精度。

A multiscale information measure (MIM), calculable from per-pixel wavelet coefficients, but relying on global statistics of synthetic aperture radar (SAR) image, is proposed. It fully exploits the variations in speckle pattern when the image resolution varies from course to fine, thus it can capture the intrinsic texture of the scene backscatter and the texture due to speckle simultaneously. Graph spectral segmentation methods based on MIM and the usual similarity measure are carried out on two real SAR images. Experimental results show that MIM can characterize texture information of SAR image more effectively than the commonly used similarity measure.