赵文昊 姬江涛 马淏 金鑫 李雪 马海港

摘要：为快速、精准地提取冬前分蘖期冬小麦覆盖度，提出了一种基于改进K-means算法的冬小麦覆盖度提取方法。首先将冬小麦图像转换到Lab色彩空间，其次利用蜉蝣算法（Mayfly Algorithm， MA）获取K-means最优初始聚类中心，并用马氏距离代替欧氏距离进行算法改进，最后利用分割得到的二值图像计算冬小麦覆盖度。结果显示，该方法的平均分割精度和平均处理时间分别为94.66%和2.03 s，与过绿指数（excess green，EXG）自适应阈值分割和基于粒子群优化算法（particle swarm optimization，PSO）的K-means（PSO-K-means）分割相比，分割精度分别提高了12.04%和4.18%，处理时间分别减少了2.26和2.94 s。该方法分割效果优于EXG和PSO-K-means分割方法，可用于提取冬小麦覆盖度。

关键词：冬小麦覆盖度；改进K-means算法；Lab色彩空间；蜉蝣算法；马氏距离doi：10.13304/j.nykjdb.2021.0941

中图分类号：S126 文献标志码：A 文章编号：10080864（2023）01008309

小麦作为我国主要粮食作物之一，其产量持续增加为我国粮食安全作出了重要保障[12]。植被覆盖度通常指包括乔木、灌木和农作物在内的所有植被冠层、枝叶在生长区域地面垂直投影面积占统计区域面积的百分比，能够很大程度反映植被的生长状况[3]。分蘖期是冬小麦的重要生长阶段，主要进行生根、长叶和增蘖等，通常分蘖数量越多产量越高[4]。北方地区冬小麦在越冬期基本停止分蘖，该时期的植被覆盖度不仅可以反映冬小麦冬前的分蘖状况，还可以用于研究這一阶段冬小麦的蒸腾和光合作用[56]。目前植被覆盖度的测量方法主要分为地面测量和遥感测量，其中地面测量又分为目估法、采样法、仪器法和照相法等[7-9]。