【技术实现步骤摘要】
基于无人机航拍图像的农作物分割方法
本专利技术属于图像处理
，具体涉及一种航拍图像的农作物分割方法，可用于解对农作物分布种类的识别。
技术介绍
无人机航拍系统是快速获取数字影像的重要途径之一。无人机航拍系统是卫星航拍和航空航拍的有益补充，具有其他航拍手段无法比拟的独特优势，无人机航拍系统具有的结构简单、作业成本低、获取影像快速并可实时传输等特点,使其得到了广泛的应用。我国地区区域差异大、农作物种植结构复杂、地块破碎严重，因此在使用对地观测卫星航拍数据获取大尺度农作物数据的基础上，无人机航拍测量技术作为空间信息技术的重要组成部分，既能作为星载航拍图像的重要补充，又能有效替代人工实地调查，凭借着降低地面人工调查强度和调查成本、快速获取实时高分辨数据的优势，成为农业统计调查工作中的一大创新点，同时也是精准农业的重要方向之一，因此，基于卷积神经网络模型的语义分割方法的研究具有非常大的现实意义和应用价值。现有专利申请《基于深度学习的无人机航拍场景语义分割方法及系统》(专利申请号CN201810508877.X，专...
【技术保护点】
1.一种航拍图像的农作物分割方法，其特征在于包括以下步骤：/n(1)对原始的航拍图像进行标注，生成对应标签图像；/n(2)生成图像的训练集和验证集：/n(2a)将原始图像和标签图像均切割为分辨率为512×512的图像；/n(2b)将切割后的图像和标签按照一一对应的关系生成图像数据集；/n(2c)对生成的图像数据集进行数据增强；/n(2d)将增强后的数据集按照8：2的比例进行划分，得到训练集和验证集，该训练集和验证集均包含有数据图像和标签图像；/n(3)搭建农作物图像语义分割网络模型:/n(3a)选择resnet34卷积神经网络作为农作物语义分割模型的骨干网络；/n(3b)并...
【技术特征摘要】
1.一种航拍图像的农作物分割方法，其特征在于包括以下步骤：
(1)对原始的航拍图像进行标注，生成对应标签图像；
(2)生成图像的训练集和验证集：
(2a)将原始图像和标签图像均切割为分辨率为512×512的图像；
(2b)将切割后的图像和标签按照一一对应的关系生成图像数据集；
(2c)对生成的图像数据集进行数据增强；
(2d)将增强后的数据集按照8：2的比例进行划分，得到训练集和验证集，该训练集和验证集均包含有数据图像和标签图像；
(3)搭建农作物图像语义分割网络模型:
(3a)选择resnet34卷积神经网络作为农作物语义分割模型的骨干网络；
(3b)并行设置5个空洞卷积层与一个直连网络，其中空洞卷积层的卷积核大小均为3x3，扩张卷积率分别为1、2、4、8、16，把所有空洞卷积层和直连网络输出的相同维度的特征图逐点相加，构成到多尺度空洞卷积层；
(3c)设置池化核大小分别为2x2、3x3、5x5、6x6的四个最大池化层，在每一个最大池化层之后依次连接卷积核为1x1的卷积层和上采样插值模块，再将全部的上采样模块进行并行连接，构成空间池化层模块；
(3d)将多尺度空洞卷积层和空间池化层模块依次连接在resnet34卷积神经网络之后，构成农作物图像语义分割模型；
(4)利用训练集和验证集，采用随机梯度下降算法和基于轮数的学习策略对农作物图像语义分割网络模型进行训练，得到训练好的农作物图像语义分割网络模型；
(5)将待测试的农作物航拍图像输入到训练好的农作物图像语义分割网络模型中进行预测，获得背景、人造建筑及不同种类农作物的分割结果。
2.根据权利要求1所述的方法，其特征在于：(1)中对原始的航拍图像进行标注，是将航拍的原始图像上所有物体标记为预先设定好的类别，将不同类别的物体用不同的像素值进行表示，最后生成一张与原始图像分辨率大小相同的新图像。
3.根据权利要求1所述的方法，其特征在于：(2c)中对生成的图像数据集进行数据增强，是通过对图像进行旋转或模糊处...
【专利技术属性】
技术研发人员：王云江，肖卓彦，石莎，贺斌，熊星宇，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。