竹子是一种重要的森林资源,其种质资源基础数据的采集是综合利用的前提。然而在竹类种质资源基础数据采集过程中,采集现场多处于偏远山区,便捷采集和实时传输成为关键,特别是竹子图像的采集和传输,由于高山地区通信信道带宽等限制,给竹子图像数据的快速传输带来一定困难。本研究以竹类种质资源数据采集为研究对象,重点解决三个问题——竹类种质资源数据便捷获取问题,野外复杂背景下竹类图像ROI有效提取问题以及基于JPEG2000竹类图像感兴趣区域压缩问题,提出基于感兴趣区域(Region of Interest,ROI)的图像编码,在进行图像数据压缩的同时能够最大程度的保留目标信息,为竹类图像的分类和识别研究奠定基础。论文的主要研究工作如下:(1)提出了结合Sobel边缘检测Itti视觉模型的竹类图像ROI提取方法。针对野外复杂背景的竹类数字图像,将Sobel与Itti视觉注意机制结合,提取竹类图像的颜色、亮度、方向、边缘特征,实现对竹类图像ROI的提取。实验结果表明,本方法相较于常用的ROI提取方法有更好的提取效果,解决了传统的提取方法在竹类图像复杂背景下较难将目标与背景分离的问题。(2)研究了基于Sobel-Itti视觉模型的竹类图像ROI编码方法。首先对野外竹类图像进行编码预处理,基于Sobel-Itti视觉模型提取图像ROI区域以计算ROI掩模,采用Max-shift图像编码方法对ROI部分进行无损或者低倍率压缩,对背景部分进行高倍率压缩。并对ROI编码和非ROI编码下的图像质量进行评价,仿真实验验证表明本文算法压缩性能优于一般编码方法,且更加符合人类视觉特性。(3)研究了基于SVM的竹类图像ROI编码效果验证模型。引入SVM分类方法,通过对原始图像以及相同码率下的非ROI编码图像和ROI编码图像的分类结果进行对比,同时也对不同码率下的ROI编码图像进行对比,结果表明,ROI编码后的竹类图像分类效果更佳,并且在一定码率下ROI编码能够有效提高竹类图像分类效果。(4)研发了基于Android系统的竹类种质资源数据采集系统。在Android Studio平台上通过Java语言编程,使用MVP框架,设计开发了种质资源数据采集系统,将图像采集和图像编码模块集成在终端采集设备上,系统功能包括信息采集(竹类地理信息、数字图像信息、属种信息、形态信息以及材性信息)、竹类检索模块和用户管理模块,实现便捷快速的进行信息采集、查看和管理,并对系统进行了测试验证。本文的研究内容为竹类种质资源数据野外便捷采集和构建竹藤资源大型共享数据库提供了技术支持,ROI图像编码对后期竹藤图像处理具有理论研究意义。