一种马尾松多尺度智能识别的方法及装置制造方法及图纸

本发明专利技术实施例公开了一种马尾松多尺度智能识别的方法及装置。该方法包括：基于频域的谱残余方法分割包含马尾松的显著性区域；获取预设气候条件下和预设植株大小条件下的马尾松的图片，对所述马尾松进行形态建模；在显著性区域分割的基础上，根据所述形态模型对所述马尾松进行目标预测；基于马尾松的光谱统计特性，对目标预测的结果进行处理，剔除虚警，获取最终的马尾松识别结果。从而使得该模型可以识别出不同植株大小等多种条件下的马尾松，鲁棒性强，通用性好；该模型可以在不同尺度条件下实现马尾松的智能识别；该模型可以实现马尾松的自动识别。

Method and device for multi-scale intelligent identification of Masson Pine

The embodiment of the invention discloses a method and a device for multi-scale intelligent identification of Masson pine. The method comprises the following steps: segmentation of salient region contains Masson spectral residual method based on frequency domain; acquiring preset climatic conditions and plant size under the condition of presupposition Masson images, morphological modeling of the Pinus massoniana; based on salient region segmentation, according to the form of the model to the prediction of Masson target; based on the spectral statistical characteristics of Pinus massoniana, the target prediction results were processed to remove the false alarms, get the final recognition result of Masson pine. The new model can identify different plant size in the various conditions such as pine, strong robustness and good versatility; the model can realize the intelligent recognition of Pinus massoniana under different scales; the model can realize the automatic identification of Masson pine.

【技术实现步骤摘要】
一种马尾松多尺度智能识别的方法及装置
本专利技术实施例涉及林业遥感图像智能处理领域，尤其涉及一种马尾松多尺度智能识别的方法及装置。
技术介绍
随着遥感影像分辨率的提高，地物目标的空间结构、表层纹理等形态特征得到更加清晰地表达，传统的基于像素统计值和单一尺度的分类方法适用性较差，其主要原因是这些传统的分类方法忽略了地物的形状和纹理特征，而这些信息恰好就是高分辨率遥感影像区分地物的主要特征依据。在采用高空间分辨率影像提取形态结构信息，并结合光谱信息进行树种分类识别方面，国内外学者已经做出了尝试并达到了良好的效果，但是大都需要人工过多参与，参数设置过于复杂，构建的识别模型也多局限于特定的数据类型或研究区域。近年来，随着计算机视觉研究的深入，人们逐渐认识到选择性视觉注意机制的重要性。人类在面对复杂场景时能迅速地将自己的注意力聚焦在一些显著的目标上,从而对这些目标进行优先处理,这里面存在一个视觉选择性注意的机制。这种资源优化配置的机制使得人脑视觉皮层能在有限的神经资源下很好地处理摄入的视觉信息。基于选择性视觉注意机制的目标提取方法为森林树冠的提取提供了可靠的解决方案。但传统的基于空间域的视觉显著性计算模型运算量较大，参数设置过于复杂。
技术实现思路
本专利技术实施例的目的在于提出一种马尾松多尺度智能识别的方法及装置，旨在解决马尾松智能识别中存在的模型自动化程度低、通用性差和识别精度低的问题。为达此目的，本专利技术实施例采用以下技术方案：第一方面，一种马尾松多尺度智能识别的方法，所述方法包括：基于频域的谱残余方法分割包含马尾松的显著性区域；获取预设气候条件下和预设植株大小条件下的马尾松的图片，对所述马尾松进行形态建模；在显著性区域分割的基础上，根据所述形态模型对所述马尾松进行目标预测；基于马尾松的光谱统计特性，对目标预测的结果进行处理，剔除虚警，获取最终的马尾松识别结果。优选地，所述基于频域的谱残余方法分割包含马尾松的显著性区域，包括：对试验区的物种生长特性进行分析，选取光学和雷达高分辨率遥感影像，进行配准，基于二阶平稳小波变换算法进行融合；按照实验范围对融合后的进行裁剪，得到实验区内的高分辨率遥感影像；计算高分辨率遥感影像的植被指数，得到植被指数图，并计算所述植被指数图的对数谱L(f)，并获取对数谱的一般形式A(f)和影像的谱残余R(f)；将谱残余图像进行逆傅里叶变换，得到影像的显著性图；将所述显著性图与高分辨率遥感影像进行掩膜处理，得到包含马尾松的显著性区域。优选地，所述获取对数谱的一般形式A(f)，包括：所述对数谱的一般形式A(f)＝hn(f)×L(f)；其中，所述所述n＝3。优选地，所述获取影像的谱残余R(f)，包括：基于R(f)＝L(f)-A(f)计算影像的谱残余R(f)；其中，所述A(f)表示对数谱的一般形态，为先验信息输入，R(f)是输入影像的统计上的特殊区域，为影像的谱残余。优选地，所述获取预设气候条件下和预设植株大小条件下的马尾松的图片，对所述马尾松进行形态建模，包括：对预设气候条件下的马尾松进行个体形态分析；结合高分辨率光学遥感影像的成像参数，对马尾松的光谱特征曲线进行分析，并构建通用的形态模型。第二方面，一种马尾松多尺度智能识别的装置，所述装置包括：分割模块，用于基于频域的谱残余方法分割包含马尾松的显著性区域；第一获取模块，用于获取预设气候条件下和预设植株大小条件下的马尾松的图片，对所述马尾松进行形态建模；预测模块，用于在显著性区域分割的基础上，根据所述形态模型对所述马尾松进行目标预测；第二获取模块，用于基于马尾松的光谱统计特性，对目标预测的结果进行处理，剔除虚警，获取最终的马尾松识别结果。优选地，所述分割模块，具体用于：对试验区的物种生长特性进行分析，选取光学和雷达高分辨率遥感影像，进行配准，基于二阶平稳小波变换算法进行融合；按照实验范围对融合后的进行裁剪，得到实验区内的高分辨率遥感影像；计算高分辨率遥感影像的植被指数，得到植被指数图，并计算所述植被指数图的对数谱L(f)，并获取对数谱的一般形式A(f)和影像的谱残余R(f)；将谱残余图像进行逆傅里叶变换，得到影像的显著性图；将所述显著性图与高分辨率遥感影像进行掩膜处理，得到包含马尾松的显著性区域。优选地，所述分割模块，具体用于：所述对数谱的一般形式A(f)＝hn(f)×L(f)；其中，所述所述n＝3。优选地，所述分割模块，还具体用于：基于R(f)＝L(f)-A(f)计算影像的谱残余R(f)；其中，所述A(f)表示对数谱的一般形态，为先验信息输入，R(f)是输入影像的统计上的特殊区域，为影像的谱残余。优选地，所述第一获取模块，具体用于：对预设气候条件下的马尾松进行个体形态分析；结合高分辨率光学遥感影像的成像参数，对马尾松的光谱特征曲线进行分析，并构建通用的形态模型。本专利技术实施例提供的一种马尾松多尺度智能识别的方法及装置，基于频域的谱残余方法分割包含马尾松的显著性区域；获取预设气候条件下和预设植株大小条件下的马尾松的图片，对所述马尾松进行形态建模；在显著性区域分割的基础上，根据所述形态模型对所述马尾松进行目标预测；基于马尾松的光谱统计特性，对目标预测的结果进行处理，剔除虚警，获取最终的马尾松识别结果。从而使得该模型可以识别出不同植株大小等多种条件下的马尾松，鲁棒性强，通用性好；该模型可以在不同尺度条件下实现马尾松的智能识别；该模型可以实现马尾松的自动识别。附图说明图1是本专利技术实施例提供的一种马尾松多尺度智能识别的方法的流程示意图；图2是本专利技术实施例提供的一种马尾松多尺度智能识别的装置的功能模块示意图。具体实施方式下面结合附图和实施例对本专利技术实施例作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术实施例，而非对本专利技术实施例的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术实施例相关的部分而非全部结构。参考图1，图1是本专利技术实施例提供的一种马尾松多尺度智能识别的方法的流程示意图。如图1所示，所述马尾松多尺度智能识别的方法包括：步骤101，基于频域的谱残余方法分割包含马尾松的显著性区域；具体的，取多源遥感影像，进行自动配准并融合，得到融合后的结果图，在融合图的基础上，模仿人眼的视觉注意机理，结合影像上下文信息，基于谱残余的方法计算每个像素点的显著性值，得到每个像素点引起人眼视觉注意的程度大小，将计算资源集中到引起人眼视觉注意的区域，分割得到显著性区域。具体如下：优选地，所述基于频域的谱残余方法分割包含马尾松的显著性区域，包括：对试验区的物种生长特性进行分析，选取光学和雷达高分辨率遥感影像，进行配准，基于二阶平稳小波变换算法进行融合；按照实验范围对融合后的进行裁剪，得到实验区内的高分辨率遥感影像；计算高分辨率遥感影像的植被指数，得到植被指数图，并计算所述植被指数图的对数谱L(f)，并获取对数谱的一般形式A(f)和影像的谱残余R(f)；将谱残余图像进行逆傅里叶变换，得到影像的显著性图；将所述显著性图与高分辨率遥感影像进行掩膜处理，得到包含马尾松的显著性区域。其中，所述获取对数谱的一般形式A(f)，包括：所述对数谱的一般形式A(f)＝hn(f)×L(f)；所述所述n＝3。其中，所述获取影像的谱残余R(f)，包括：基于R本文档来自技高网...

【技术保护点】
一种马尾松多尺度智能识别的方法，其特征在于，所述方法包括：基于频域的谱残余方法分割包含马尾松的显著性区域；获取预设气候条件下和预设植株大小条件下的马尾松的图片，对所述马尾松进行形态建模；在显著性区域分割的基础上，根据所述形态模型对所述马尾松进行目标预测；基于马尾松的光谱统计特性，对目标预测的结果进行处理，剔除虚警，获取最终的马尾松识别结果。

【技术特征摘要】
1.一种马尾松多尺度智能识别的方法，其特征在于，所述方法包括：基于频域的谱残余方法分割包含马尾松的显著性区域；获取预设气候条件下和预设植株大小条件下的马尾松的图片，对所述马尾松进行形态建模；在显著性区域分割的基础上，根据所述形态模型对所述马尾松进行目标预测；基于马尾松的光谱统计特性，对目标预测的结果进行处理，剔除虚警，获取最终的马尾松识别结果。2.根据权利要求1所述的方法，其特征在于，所述基于频域的谱残余方法分割包含马尾松的显著性区域，包括：对试验区的物种生长特性进行分析，选取光学和雷达高分辨率遥感影像，进行配准，基于二阶平稳小波变换算法进行融合；按照实验范围对融合后的进行裁剪，得到实验区内的高分辨率遥感影像；计算高分辨率遥感影像的植被指数，得到植被指数图，并计算所述植被指数图的对数谱L(f)，并获取对数谱的一般形式A(f)和影像的谱残余R(f)；将谱残余图像进行逆傅里叶变换，得到影像的显著性图；将所述显著性图与高分辨率遥感影像进行掩膜处理，得到包含马尾松的显著性区域。3.根据权利要求2所述的方法，其特征在于，所述获取对数谱的一般形式A(f)，包括：所述对数谱的一般形式A(f)＝hn(f)×L(f)；其中，所述所述n＝3。4.根据权利要求2所述的方法，其特征在于，所述获取影像的谱残余R(f)，包括：基于R(f)＝L(f)-A(f)计算影像的谱残余R(f)；其中，所述A(f)表示对数谱的一般形态，为先验信息输入，R(f)是输入影像的统计上的特殊区域，为影像的谱残余。5.根据权利要求1至4任意一项所述的方法，其特征在于，所述获取预设气候条件下和预设植株大小条件下的马尾松的图片，对所述马尾松进行形态建模，包括：对预设气候条件下的马尾松进行个体形态分析；结合高分辨率光学遥感影像的成像参数，对马尾松的光谱特征曲线进行...

【专利技术属性】
技术研发人员：王和平，谭弘武，刘宁，邹彪，操松元，方登洲，郭可贵，杨鹏，黄朝华，
申请(专利权)人：国网通用航空有限公司，北京煜邦电力技术股份有限公司，国网安徽省电力公司，国家电网公司，
类型：发明
国别省市：北京,11