玉米果穗和籽粒的性状参数是玉米品种选育的重要参考指标,传统的性状参数获取主要依赖于人工进行手工测量和计算,会产生许多主观性误差而且效率低下。基于图像的玉米育种性状参数获取研究结合机器视觉技术和图像处理技术对玉米的性状参数进行提取,是实现玉米考种自动化的技术基础。因此,研究利用图像实现玉米性状参数的自动化、数字化、高效化获取的研究具有重要的实际意义。论文在对玉米高效自动化考种生产线研究现状和实际需求调研分析的基础上,提出了一种利用玉米果穗图像和玉米籽粒图像进行处理获取玉米性状参数的方法。论文研究取得的成果如下：1)设计了一套玉米果穗图像获取系统和玉米籽粒图像获取系统,该系统结合了玉米果穗和籽粒图像特征提取的实际要求,制定了最佳的图像预处理方案。包括图像的灰度化、图像增强、图像的边缘检测以及图像分割。2)提出一种基于二值图像的距离变换和合并图像局部极小值的改进分水岭分割算法可以对大面积堆积粘连玉米籽粒进行快速精确的分割。3)提出一种基于果穗的生物学特征和颜色特征,结合轮廓跟踪算法,构建穗行数和穗行粒数快速估算模型,实现了对玉米果穗的穗行数和穗行粒数精确计算。论文对玉米果穗和籽粒图像的预处理方法、果穗与籽粒性状参数提取方法进行了实验验证。实验结果表明,图像的预处理结果满足图像特征提取对图像的要求,所提出的改进分水岭算法能够实现对采集图像中的粘连玉米进行精确地分割,分割的成功率达到97.6%。同时,玉米果穗的穗行数与穗行粒数的测量值与真实值的零误差率控制在96.8%。因此,论文提出的分割算法对图像分割的研究具有一定的借鉴意义,玉米果穗的穗行数和穗行粒数的测量方法为玉米的产量组分性状获取研究提供了有效参考。