农业机械学报

作者：吴焕丽,崔可旺,张馨,薛绪掌,郑文刚,王岩

单位：河北工业大学,河北工业大学;北京农业信息技术研究中心,北京农业信息技术研究中心,北京农业信息技术研究中心,北京农业信息技术研究中心,河北工业大学,

关键词：小麦; 覆盖度; 图像分割; 自适应步长; K-means算法

基金：国家重点研发计划项目（2017YFD0201503）、北京市农林科学院科技创新能力建设专项（KJCX20170204）和北京市农林科学院科研创新平台建设项目（PT2018-22）

植被覆盖度是重要的农学指标，图像法作为一种方便、快捷、准确度较高的地面测量方法，在该领域得到了广泛应用。图像背景分割是获取植被覆盖度最关键的步骤，已有分割算法的分割对象局限于大叶植物或者长势较为稀疏的作物，针对细叶作物的研究较少，或者未根据分割结果得出更有价值的规律。本文以小麦为例，提出了基于HSV空间的自适应果蝇均值聚类算法（IFOA-K-means），用来分割图像背景，以此作为获取覆盖度变化的理论基础。采用小波分析按比例去噪算法单独对亮度分量去噪，主体分割算法采用自适应步长果蝇算法（IFOA）改进的K-means算法对小麦图像进行背景分割，综合了自适应果蝇算法的全局最优和K-means算法的局部最优特点，使分割效果达到最优。其分割效果优于基于遗传算法的最大类间方差分割法，较好地去除了滴灌带等较明显干扰因素，与传统的K-means算法相比，运行时间和峰值信噪比指标都较优，小麦覆盖度准确率在90%以上，与作物系数之间的决定系数为0.953?1。

来源：2019年第1期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2019年第1期