荒漠草原是内蒙古草原的重要组成部分,近年来,由于受到自然和人为活动等因素的影响,退化现象十分严重,严重影响了当地生态系统的可持续发展。因此,分析和预测荒漠草原潜在退化危险,加强草原保护和治理显得尤为重要。随着数字图像处理技术的不断发展,图像处理技术已逐渐用于草原生态环境及草原植被相关研究中。本文以内蒙古鄂尔多斯荒漠草原为试验区,以荒漠草原指示性植物无芒隐子草为试验对象,应用图像处理技术研究了无芒隐子草叶片解剖结构,重点研究了显微图像处理中的图像增强、图像分割、特征提取、参数测定等关键技术,揭示了无芒隐子草叶片解剖结构对荒漠草原环境的响应和适应机制,分析了其与草原退化梯度的相关性。主要研究工作如下:（1）图像获取2014—2016年每年7—8月,根据目前常用的李博院士提出的草原退化分级理论,课题组通过实地考察和分析确定了不同退化梯度试验样地,按照统计学和生态学要求,在样地上采集无芒隐子草叶片样本,共采集了 10800个无芒隐子草叶片样本。对采集的样本通过石蜡制片,获得了 768张切片,将YYS-80E型生物光学显微镜与计算机结合,采集和存储了无芒隐子草叶片解剖结构源图像。（2）图像增强针对CLAHE算法对过暗图像对比度增强效果欠佳的问题,在CLAHE算法的基础上引入了图像全局亮度自适应调整环节,提出了基于自适应亮度调整的CLAHE对比度图像增强算法。经过对30幅测试图像试验得出,通过本文提出的算法对图像增强后,图像信息熵、图像平均梯度和图像对比度的平均值相对于原始图像分别提高了约22.3%、177.7%和67%,而CLAHE算法处理后,分别提高了约18.4%、164.4%和 59.6%。（3）图像分割①整体分割。针对传统灰度化方法使无芒隐子草叶片解剖结构图像对比度明显下降、细节丢失严重的问题,根据无芒隐子草叶片解剖结构图像前景和背景之间红色和蓝色色差较为明显的特点,通过调整R、G、B三色权重,提出了无芒隐子草叶片解剖结构图像灰度化方法,并与传统灰度化方法处理结果进行了对比分析,结果显示,经本文方法处理后,图像信息熵、图像平均梯度、图像对比度相对于传统方法中处理效果较好的分量法（R）分别提高了约1.05%、224.4%和133.7%。在此基础上,使用最大类间方差（Otsu）结合形态学开运算和线性滤波,实现了无芒隐子草叶片解剖结构的整体分割,对30幅测试图像试验,分割的平均误检率FPR为0.75%,平均漏检率FNR为3.49%,平均整体分割精度GSA达到98.14%。②角质层分割。由于无芒隐子草叶片解剖结构角质层部分被染为红色,在整幅图像中具有较好的视觉显著性,本文对目前十种经典的显著性检测算法所遵循的视觉显著性规律、使用的图像特征以及对特征的处理方式进行深入分析,提出了基于FT算法和AC算法相融合的显著性检测算法,结合阈值分割,实现了无芒隐子草叶片解剖结构角质层的准确分割,对30幅测试图像分别采用FT算法、AC算法和本文算法显著性检测后,分割的平均误检率FPR分别为0.75%、1.02%和0.48%,平均漏检率FNR分别为7.19%、5.87%和3.45%,平均整体分割精度GSA分别为98.43%、98.11%和99.21%,本文算法显著性检测后分割精度高于其他两种方法。③维管束分割。针对整幅图像中维管束鞘细胞整体平均颜色值最高的特点,提出了基于自动选取样本点的RGB空间自适应阈值分割算法。首先对图像进行算术运算,结合阈值分割自动选取维管束鞘细胞所在位置的像素值作为彩色样本点,然后通过样本点平均颜色估计值与待分割图像中像素值的欧几里得距离度量相似性,实现维管束的准确分割。经过30幅测试图像试验,采用传统算法和本文算法分割后,平均误检率FPR分别为7.61%和0.72%,平均漏检率FNR分别为7.08%和1.35%,平均整体分割精度GSA分别为92.64%和98.73%,本文提出的算法分割精度更高。④花环细胞分割。针对无芒隐子草叶片解剖结构花环细胞图像特征,提出采用交互式分割方法实现花环细胞的分割,对比分析了交互式分割方法中分割效果较好的基于变分水平集主动轮廓算法和基于最大相似度区域合并图像分割算法,对30幅测试图像试验,结果显示,采用基于变分水平集主动轮廓算法和基于最大相似度区域合并图像分割算法对花环细胞分割后,平均误检率FPR分别为1.63%和0.82%,平均漏检率FNR分别为4.01%和4%、平均整体分割精度GSA分别为98.20%和98.65%,采用基于最大相似度区域合并图像分割算法分割效果略优于基于变分水平集主动轮廓算法,并且在算法操作性和稳定性方面,最大相似度区域合并图像分割算法更适合花环细胞的分割。（4）特征提取①叶片宽度（LW）测量。根据叶片宽度为无芒隐子草叶片解剖结构图像上最远处两点之间距离的实际测量方式,本文提出采用Graham算法构造凸包,寻找叶片解剖结构整体图像的最小外接矩形,从而求出叶片宽度值（LW）。测量结果与交互式测量均值进行对比,30幅测试图像的平均相对误差为0.94%,平均耗时4.87s。②叶片厚度（TL）测量。根据叶片厚度为无芒隐子草叶片解剖结构图像左右边界上凹点与凹点、凸点与凸点之间距离的实际测量方式,首先采用最小周长多边形近似法获得了无芒隐子草叶片解剖结构整体多边形轮廓和顶点,然后进行凹凸点检测,针对矢量积法凹凸点检测算法检测出许多无用点的问题,本文提出了将矢量积法和角点检测相结合的凹凸点检测算法,剔除大量无用点,获得符合实际测量的凹点和凸点,最后进行凹点匹配和凸点匹配求出叶片厚度值（TL）。通过对测量结果与交互式测量均值进行对比分析发现,30幅测试图像的平均相对误差为3.69%,平均耗时4.92s。③花环细胞厚度（TKMC）和维管束直径（TVB）测量。根据无芒隐子草叶片解剖结构花环细胞和维管束外形似椭圆的特点,提出采用椭圆拟合算法实现TKMC和TVB的测量。对比分析了椭圆拟合算法中常用的RANSAC椭圆拟合算法和最小二乘椭圆拟合算法对花环细胞图像边缘拟合效果,R2分别为0.8508和0.8979,因而,选择采用最小二乘椭圆拟合算法实现TKMC的测量,比较测量结果与交互式测量均值发现,30幅测试图像的平均相对误差为2.07%,平均耗时1.77s;对比分析了RANSAC椭圆拟合算法和最小二乘椭圆拟合算法对维管束图像边缘拟合效果,R2分别为0.8753和0.9158,因而,选择采用最小二乘椭圆拟合算法实现TVB的测量。针对因维管束鞘细胞之间存在的凹陷点影响测量精度的问题,进一步提出了基于轮廓凸包的最小二乘椭圆拟合算法,剔除维管束边缘凹陷点,其余边缘点参与最小二乘椭圆拟合,实现了 TVB的准确测量,对比测量结果与交互式测量均值,30幅测试图像的平均相对误差为1.41%,平均耗时1.92s,而直接采用最小二乘椭圆拟合算法后,平均相对误差为2.37%,本文算法测量精度更高。（5）研究了无芒隐子草叶片解剖结构与草原退化梯度之间的相关性。无芒隐子草叶片解剖结构随着荒漠草原退化梯度表现出较强的表型可塑性。通过单因素方差分析得出,上表皮细胞厚度（TUE）、下表皮细胞厚度（TLE）、上角质层厚度（CTUE）、下角质层厚度（CTLE）、叶片厚度（TL）、中脉厚度（TMV）、泡状细胞厚度（TBC）、机械组织厚度（TMT）、维管束直径（TVB）均随着荒漠草原退化程度加重而增加,叶片宽度（LW）随着荒漠草原退化程度的加重而减少,花环细胞厚度（TKMC）在对照区（CK）和轻度退化区（LD）之间以及中度退化区（MD）和重度退化区（HD）之间差异不显著,维管束鞘细胞厚度（TVBSC）在重度退化区（HD）值最大,与对照区（CK）和轻度退化区（LD）差异显著,但在对照区（CK）和轻度退化区（LD）之间差异不显著;通过对应分析可知,在对照（CK）和轻度退化（LD）条件下,叶片宽度（LW）值相对较大,在中度（MD）和重度退化（HD）条件下,上、下表皮细胞厚度（TUE、TLE）,上、下角质层厚度（CTUE、CTLE）,叶片厚度（TL）,泡状细胞厚度（TBC）,维管束直径（TVB）值均较大,不同退化梯度对机械组织厚度（TMT）和中脉厚度（TMV）影响相对较小。综上所述,本文应用图像处理技术实现了对无芒隐子草叶片部分解剖结构特征的提取和测量,结果表明,通过图像处理技术进行特征参数的测量具有精度高、效率高和重复性强等优点,初步探讨了可塑性较高的解剖结构特征与荒漠草原退化的相关性,本文取得的阶段性成果可为植物解剖学的研究提供新的技术手段,为无芒隐子草的保护利用、荒漠草原退化监测提供理论依据和技术支持。