基于改進K-means 算法的冬小麥覆蓋度提取研究

趙文昊 姬江濤 馬淏 金鑫 李雪 馬海港

摘要：為快速、精準地提取冬前分蘗期冬小麥覆蓋度，提出了一種基于改進K-means算法的冬小麥覆蓋度提取方法。首先將冬小麥圖像轉換到Lab色彩空間，其次利用蜉蝣算法（Mayfly Algorithm， MA）獲取K-means最優初始聚類中心，并用馬氏距離代替歐氏距離進行算法改進，最后利用分割得到的二值圖像計算冬小麥覆蓋度。結果顯示，該方法的平均分割精度和平均處理時間分別為94.66%和2.03 s，與過綠指數（excess green，EXG）自適應閾值分割和基于粒子群優化算法（particle swarm optimization，PSO）的K-means（PSO-K-means）分割相比，分割精度分別提高了12.04%和4.18%，處理時間分別減少了2.26和2.94 s。該方法分割效果優于EXG和PSO-K-means分割方法，可用于提取冬小麥覆蓋度。

關鍵詞：冬小麥覆蓋度；改進K-means算法；Lab色彩空間；蜉蝣算法；馬氏距離doi：10.13304/j.nykjdb.2021.0941

中圖分類號：S126 文獻標志碼：A 文章編號：10080864（2023）01008309

小麥作為我國主要糧食作物之一，其產量持續增加為我國糧食安全作出了重要保障[12]。植被覆蓋度通常指包括喬木、灌木和農作物在內的所有植被冠層、枝葉在生長區域地面垂直投影面積占統計區域面積的百分比，能夠很大程度反映植被的生長狀況[3]。分蘗期是冬小麥的重要生長階段，主要進行生根、長葉和增蘗等，通常分蘗數量越多產量越高[4]。北方地區冬小麥在越冬期基本停止分蘗，該時期的植被覆蓋度不僅可以反映冬小麥冬前的分蘗狀況，還可以用于研究這一階段冬小麥的蒸騰和光合作用[56]。目前植被覆蓋度的測量方法主要分為地面測量和遙感測量，其中地面測量又分為目估法、采樣法、儀器法和照相法等[7-9]。