1.一种基于聚类分析的薇甘菊监测方法，其特征在于，包括如下步骤：

步骤S1，通过无人机所搭载的相机对待监测地区进行等间隔拍摄，得到多张薇甘菊航拍图，将薇甘菊航拍图传输到计算机，所述计算机包括图像预处理模块、图像增强模块、聚类分析模块以及输出模块；

步骤S2，所述薇甘菊航拍图经过图像预处理模块处理后，得到RGB三通道图像；

步骤S3，所述RGB三通道图像经过图像增强模块处理后，得到粗分割图像；

步骤S4，所述粗分割图像经过聚类分析模块处理后，得到细分割图像；

步骤S5，根据无人机飞行高度参数和相机广角参数，所述细分割图像经过输出模块处理后，得到薇甘菊分布图和薇甘菊分布面积。

2.如权利要求1所述的基于聚类分析的薇甘菊监测方法，其特征在于，所述步骤S2中，所述图像预处理模块对所述薇甘菊航拍图进行处理的过程为：通过计算机对获取到的所述薇甘菊航拍图进行拼接处理，获得所述待监测地区的三维点云、数字表面模型、数字高程模型和数字正摄影像；通过地面控制点精确校正拼接影像的空间坐标，生成所述RGB三通道图像。

3.如权利要求1所述的基于聚类分析的薇甘菊监测方法，其特征在于，所述步骤S3中，述图像增强模块对所述RGB三通道图像进行处理的过程为：将所述RGB三通道图像由RGB颜色空间转换到LAB空间，对所述转换到LAB空间的图像进行二值化处理，得到二值图像，其中所述二值化处理的阈值是由最大类间方差法处理得到的全局图像阈值；在所述二值图像中，提取值为0的像素点坐标，将像素点坐标在所述RGB三通道图像中对应的R通道值设为0、G通道值设为0、B通道值设为0，得到所述粗分割图像，所述粗分割图像包括薇甘菊的颜色与纹理信息、地面的颜色与纹理信息、黑色背景。

4.如权利要求1所述的基于聚类分析的薇甘菊监测方法，其特征在于，所述步骤S4中，所述聚类分析模块对所述RGB三通道图像进行处理的过程为：根据所述粗分割图像，结合K均值聚类算法进行，以K为输入参数，把N个对象集合分为K个簇，目标是各簇内的相似度非常高，簇之间的相似度非常低；确定初始聚类数量，选取K个初始聚合中心，根据所述初始聚类中心对像素点的特征向量进行聚类，获取新的聚类中心；根据新的聚类中心对各通道矩阵的特征矩阵中的特征向量进行聚类，不断迭代，当最新的迭代结果的薇甘菊准确率低于上一次的迭代结果时，结束迭代，根据聚类结果确定各像素点所属区域类型并绘制细分割图像。

5.如权利要求1所述的基于聚类分析的薇甘菊监测方法，其特征在于，所述步骤S5中，所述输出模块对所述细分割图像进行处理的过程为：在所述细分割图像中，提取薇甘菊区域的像素点坐标，将像素点坐标在所述RGB三通道图像中对应的R通道值设为255、G通道值设为255、B通道值设为0，得到所述薇甘菊分布图，其中标注为黄色的是薇甘菊。

6.如权利要求5所述的基于聚类分析的薇甘菊监测方法，其特征在于，所述步骤S5中，获取薇甘菊分布面积的方法为：在所述细分割图像中，计算薇甘菊区域的像素点个数，计算所述细分割图像的像素点总数，利用所述薇甘菊区域的像素点个数除以像素点总数，得到薇甘菊分布面积百分比；根据无人机飞行高度参数和相机广角参数，得到所述RGB三通道图像所代表的图像实际对应面积；利用所述薇甘菊分布面积百分比乘以所述图像实际对应面积，得到所述薇甘菊分布面积。

7.如权利要求1所述的基于聚类分析的薇甘菊监测方法，其特征在于，所述无人机飞行高度为距离冠层之上20-30m处，所述相机为全画幅单镜头反光高分辨率数码相机。

8.如权利要求1所述的基于聚类分析的薇甘菊监测方法，其特征在于，所述无人机的型号为DJI M600PRO六旋翼飞行器，所述相机型号为Nikon D850全画幅单镜头反光数码相机。

9.如权利要求1所述的基于聚类分析的薇甘菊监测方法，其特征在于，所述无人机航向重叠率为80％，旁向重叠率为80％，航高为50m。