摘要：【目的】探究非垂直拍攝獲取細(xì)葉作物覆蓋度優(yōu)化算法以及非垂直拍攝對(duì)作物覆蓋度計(jì)算結(jié)果的影響。【方法】在北京市小湯山基地草業(yè)研究中心露天環(huán)境下,以青綠薹草、結(jié)縷草為試驗(yàn)對(duì)象,獲取45°、60°、90°(與地面夾角)3種拍攝角度下的圖像,采用基于自適應(yīng)權(quán)重粒子群改進(jìn)K-means的圖像分割方法,分析不同拍攝角度對(duì)青綠薹草覆蓋度測(cè)量精度的影響,研究非垂直拍攝與垂直角度下覆蓋度的關(guān)系曲線。首先將草RGB圖像轉(zhuǎn)化成HSV顏色空間,在HSV顏色空間利用自適應(yīng)權(quán)重PSO算法向全局像素解的子空間搜尋,通過(guò)迭代搜尋到全局最優(yōu)解,確定最佳初始聚類中心;其次利用K-means算法對(duì)不同角度圖像像素進(jìn)行聚類劃分,從而得到草冠層區(qū)域分割結(jié)果,最后采用形態(tài)學(xué)濾波方法對(duì)分割結(jié)果進(jìn)行優(yōu)化?！窘Y(jié)果】垂直拍攝時(shí),傳統(tǒng)K-means算法計(jì)算的2個(gè)品種的覆蓋度總體相對(duì)誤差分別為32.89%和34.37%,而本文算法下2個(gè)品種總體相對(duì)誤差分別為11.23%和15.85%。相比于K-means算法,本文算法環(huán)境適應(yīng)性好,算法精度高。非垂直拍攝條件下,本文算法能夠克服多角度拍攝導(dǎo)致圖像色彩分布不均勻的問(wèn)題,有效分割出草冠層區(qū)域,90°覆蓋度估測(cè)值與真實(shí)值平均誤差為3.27%,60°二者平均誤差為4.61%,45°平均誤差為5.70%,隨著拍攝角度的減小,平均誤差略有增大,但均小于6%。非垂直角度下計(jì)算的覆蓋度與垂直角度覆蓋度呈顯著地線性關(guān)系?！窘Y(jié)論】采用本文方法可以提高非垂直拍攝獲取作物覆蓋度的精度。