基于改进K-means 算法的冬小麦覆盖度提取研究
2023-04-18赵文昊姬江涛马淏金鑫李雪马海港
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]。