归一化植被指数(NDVI)基于可见光的红色波段(630～680 nm)和近红外区(780～1 100 nm)的反射光谱进行计算, 被认为是作物营养与长势诊断的重要指标。 为了低成本、 快速、 无损的检测作物叶绿素含量, 计算植株的NDVI并呈现作物的NDVI分布情况, 并通过不同角度图像的分析, 监测作物营养分布与动态。 利用可见光和近红外波段双目成像技术获取图像, 在讨论可见光(RGB)和近红外(NIR)图像的匹配算法的基础上, 经图像分割与光照影响校正后, 针对不同测试角度建立了作物植被指数空间分布图, 并对其空间分布特征与影响因素进行了可视化分析。 试验利用可见光和近红外双目相机对51株玉米植株, 分别在90°, 54°和35°视角下同步采集RGB和NIR图像。 对RGB和NIR图像分别进行高斯滤波和拉普拉斯算子增强预处理后, 选取了SURF, SIFT和ORB共3种图像匹配算法, 并首先利用其进行RGB-NIR图像匹配对齐, 以匹配时间(Time), 峰值信噪比(PSNR), 信息熵(MI)和结构相似性(SSIM)4个参数作为匹配性能评价指标, 分别从时间、 准确性、 稳定性三个方面综合确定最优匹配方法。 其次, 研究玉米植株的分割方法包括超绿算法(ExG)和最大类间方差算法(OTSU), 分别实现图像中作物和背景的分离, 提取分割后的RGB图像R(Red), G(Green), B(Blue)分量和NIR图像分量。 基于HSI颜色模型, 提取I分量讨论了光照对图像的影响, 并利用多灰度级标准板建立了植株光谱反射率校正线性公式。 然后, 利用R(Red)和NIR图像分量计算图像中每个像素的NDVI值, 绘制作物植被指数的空间分布图, 从而对比分析了不同拍摄角度下光谱植被指数的分布特征。 通过不同角度图像的NDVI分布情况, 展示监测作物植株不同位置的叶绿素分布情况。 结果显示, RGB-NIR图像匹配时间SIFT(1.865 s)>SURF(1.412 s)>ORB(1.121 s), 匹配准确性上SURF≈SIFT>ORB, 匹配稳定性上SURF>SIFT>ORB, 综合比较选取SURF为最优匹配算法。 采用4灰度级标准板对R, G, B, NIR分量校正模型的R2分别为0.78, 0.76, 0.74, 0.77。 90°和35°视角分别展现了作物叶和茎的NDVI植被指数分布情况, 可为分析和监测作物的营养分布提供技术支持。