基于改进K-means算法的冬小麦覆盖度提取研究

作者：赵文昊; 姬江涛; 马淏^*; 金鑫; 李雪; 马海港

来源：中国农业科技导报, 2023, 25(01): 83-91.

DOI：10.13304/j.nykjdb.2021.0941

• 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

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。

• 单位
  河南科技大学