1.基于无人机影像的玉米生长初期行中心线的提取方法，其特征在于：包括以下步骤：获取玉米生长初期的无人机影像，将影像进行切割；

对图像进行背景分割处理，将绿色植物与土壤进行分割；

通过垂直投影法获取作物行数；

利用微感兴趣区域(micro‑ROI)求取质心点，即特征点；

对目前获得的特征点，用位置聚类法去除其中的伪特征点，从而获取最终准确的特征点；

通过基于最小二乘的线性回归方法拟合所有的特征点，得到行中心线。

2.如权利要求1所述的基于无人机影像的玉米生长初期行中心线提取方法，其特征在于：所述背景分割按照以下步骤确定：首先，采用的是改进的绿色植被指数ExGG，通过对图像进行ExGG灰度化处理；然后把粒子群算法和OTSU算法相结合，将OTSU方法作为粒子群算法的优化目标函数，提高图像分割的效率，快速找到图像分割的最佳阈值，将原图像由彩色图像转为二值图像。最后，通过线性中值滤波去除大量的杂质点。

3.如权利要求1所述的基于无人机影像的玉米生长初期行中心线的提取方法，其特征在于：所述通过垂直投影法获取作物行数按照以下步骤确定：二值图像按照垂直方向将白色像素投影下来，白色像素在垂直方向的累加和，计算方法如下：其中s(j)表示第j列的白色像素在垂直方向的累加和，I(i,j)为点(i,j)处的灰度值判断s(j)与均值m的关系，若s(k‑1)

4.如权利要求1所述的基于无人机影像的玉米生长初期行中心线提取方法，其特征在于：所述利用微感兴趣区域(micro‑roi)求取质心点(即特征点)按照以下步骤确定：将二值化图像从左到右按列分为N份，对于每一份，我们按照从下到上，从左到右的顺序依次扫描白色像素点，直到扫描到有白色像素点的列为止，起始点就位于这一列，具体的起始点位置位于：这一行所有白色像素点从左到右排列的中心位置。

根据起始点，我们可以追寻作物行的基本方向去确定其他的特征点

在上述二值图像按列从左到右分为N份的基础上，再按行从下到上分为适合的若干水平条带，为了保证特征点提取的准确性，每个水平条带由一个以上的像素行组成。

根据起始点，我们可以取适当区域的微感兴趣区域(micro‑ROI)，再取其质心点，即为第二个特征点；

最后，再按照一个特定的方向持续操作上述步骤，取到其他的特征点。

5.如权利要求1所述的基于无人机影像的玉米生长初期行中心线的提取方法，其特征在于：所述位置聚类法去除其中的伪特征点按照以下步骤确定：根据位置聚类法利用特征点间距离约束和角度约束这两大条件，将图像从左到右按列分为N列，再按照从下到上，从左到右的顺序找到初始点，最后按照它的距离约束和角度约束条件筛选出符合条件的特征点集。

6.如权利要求1所述的基于无人机影像的玉米生长初期行中心线提取方法，其特征在于：所述通过基于最小二乘的线性回归方法拟合所有的特征点按照以下步骤确定：基于线性回归的方法，应用最小二乘法对特征点集进行拟合，使各个特征点到该拟合直线的偏差平方和达到最小。

7.根据权利要求1‑6中任一项所述的方法来实现缺苗率的计算，其特征在于：包括以下步骤：根据获取图像中每个像素点的位置，计算相邻像素点之间的距离，若大于距离阈值，则将此距离放入指定集合D里面,将集合D里的所有元素都加起来，和为sum；h为作物行的行高，缺苗率的计算公式所示：补苗的位置按照以下步骤确定：

若D[i]/t1的取值范围为(2,3)，则表明两颗苗之间缺一颗苗，可以将这颗苗补种在这两颗苗中间的作物线上；若D[i]/t1大于3，则表明两颗苗之间缺(D[i]/t1‑1)颗苗，可以将缺失的苗均匀补种在这两颗苗中间的作物线上；其中，t1表示两颗作物间距离的阈值。

8.基于无人机影像的玉米生长初期行中心线提取、补苗的方法及系统，其特征在于：包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现权利要求7所述方法的步骤。