1.一种基于图像的甘蔗覆盖度自动检测方法，其特征是，所述甘蔗覆盖度自动检测方法包括如下步骤：
步骤1、提供仅包含甘蔗作物和土地的甘蔗图像，并将所述甘蔗图像由RGB模型转换至Lab色彩模型空间，并根据Lab色彩模型空间获取甘蔗图像对应a色彩通道以及b色彩通道；
步骤2、对上述Lab色彩模型空间的a色彩通道进行初步地物分割，以获取a色彩通道的二值图像，a色彩通道二值图像中，数值为1的像元代表甘蔗作物信息，数值为0的像元信息代表为背景信息；根据a色彩通道的二值图像，计算得到初步甘蔗覆盖度，当所述初步甘蔗覆盖度低于初步覆盖度阈值时，跳转至步骤6，否则，执行步骤3；
步骤3、将甘蔗图像进行灰度转换，并获取灰度直方图以及灰度峰值与递增变化总量；
步骤4、当灰度峰值大于第一灰度阈值时，根据递增变化总量训练两个聚类样本，当灰度峰值小于第二灰度阈值时，根据递增变化总量训练两个聚类样本，当灰度峰值大于第二灰度阈值且小于第一灰度阈值时，根据递增变化总量训练四个聚类样本，第二灰度阈值小于第一灰度阈值；
步骤5、采用K-Means聚类方法，选择聚类样本数K＝2，训练样本在Lab色彩模型空间下作物的a色彩通道、b色彩通道值分别表示为Crop_a、Crop_b，训练样本中在Lab色彩模型空间下背景的a色彩通道、b色彩通道值分别表示为Back_a、Back_b；将甘蔗图像的Lab色彩模型空间的a色彩通道数值、b色彩通道数值(分别为Pixel_a和Pixel_b)与训练样本基于方差最小原则进行吻合度检验，对甘蔗图像进行非监督分类，如下式所示；
M＝(Pixel_a-Crop_a)2+(Pixel_b-Crop_b)2
N＝(Pixel_a-Back_a)2+(Pixel_b-Back_b)2
其中，Pixel_a为甘蔗图像的Lab色彩模型空间的a色彩通道数值，Pixel_b为甘蔗图像的Lab色彩模型空间的b色彩通道数值，M为像元与作物训练样本的匹配方差，N为像元与背景训练样本的匹配方差；
当M>＝N时，判定当前像元为背景像元，将当前像元值置0；当M<N时，判定挡片像元为作物像元，将当前像元值置1，完成分类后甘蔗图像的二值转换；
步骤6、对上述分类后的甘蔗二值图像，去除区域面积小于20～100的斑块，且获取各连通区域具有相同标准二阶中心矩的椭圆的长轴长度及短轴长度(当长轴长度和短轴长度比值大于长度判断阈值时，将当前区域判断为甘蔗像元；当长轴长度和短轴长度比值小于等于长度判断阈值时，判定当前区域判断为非作物区域，以得到甘蔗图像的最终二值图像；
步骤7、根据上述甘蔗图像的最终二值图像，计算甘蔗像元占总像元的比例，以得到甘蔗实时覆盖度。
2.根据权利要求1所述的基于图像的甘蔗覆盖度自动检测方法，其特征是：所述长度判断阈值为1.1。