[目的]自动提取影像中作物种植区域信息,对于推动无人机高分辨率影像在精准农业中的应用具有重要意义.本研究针对分割评价函数中加权局部方差法(weighted local variance,WLV)的缺陷,面向农业无人机影像高精度自动分割的需求,提出改进方法并基于不同作物田间试验数据进行对比验证.[方法]针对WLV没有充分考虑分割对象内部同质性的问题,本研究在WLV的基础上增加对象间同质性的计算,提出了改进加权局部方差法(improved weighted local variance,IWLV).设计玉米氮肥试验和小麦水肥试验,获取不同作物不同时期及长势下的无人机影像.基于获取的无人机影像,设置不同情景,分别耦合主流分割算法与WLV、IWLV法开展影像分割,将它们的分割结果与人机交互分割结果进行对比,并基于单尺度对象精度(single-scale object accuracy,SOA)法进行评价.[结果]基于WLV法选择的最优分割尺度往往偏大,分割影像时会存在欠分割现象,而基于IWLV法选择的分割尺度进行分割的结果与人机交互分割结果更为接近.对于所有设定的分割情景,IWLV法获得了更高的SOA值.[结论]与WLV法相比,本研究提出的IWLV法可以更准确实现无人机影像分割中尺度参数的自动确定.