【技术实现步骤摘要】
基于MaskR-CNN的行道树图像实例分割方法
本专利技术涉及行道树图像分割
，尤其是行道树图像实例分割，具体地说是一种基于MaskR-CNN的行道树图像实例分割方法。
技术介绍
行道树是城市道路景观的重要组成部分，对改善城市生态环境、净化空气、调节气候和涵养水源有着重要意义。行道树资源调查是现代林业资源调查的重要工作，目前主要采用人工实测、抽样调查的方法获取行道树树种、科属、胸径、树高、冠幅等参数，工作量大，效率低下，不能及时准确地反映行道树动态变化情况，因此快速高效地获取行道树参数具有重要的理论意义和实践价值。获取行道树参数的首要问题是如何快速从多样化的城市道路中分割出行道树。当前行道树信息采集方法主要有激光雷达扫描和图像拍摄两种，激光雷达作为一种主动遥感技术，运用激光波束扫描道路两侧地物信息获得街道三维点云数据，并对行道树划分网格索引，结合使用ICP、N-cut等算法，最终分割出行道树。图像数据具有分辨率高、成本低、易获取的特点，并且可以更直观地反映行道树的色泽、纹理、树种等特征，已有的树木图像分割方法主...
【技术保护点】
1.一种基于Mask R-CNN的行道树图像实例分割方法，其特征在于，该方法包括以下步骤：/nS1、首先选择若干张行道树图像作为样本，进行标注得到行道树掩膜图像；/nS2、对所有样本的原始行道树图像和行道树掩膜图像进行预处理，包括尺寸变换和数据扩充，将处理后的所有图像作为样本集；/nS3、将样本集中的所有样本输入基于Mask R-CNN的行道树实例分割模型进行训练，得到训练后的模型；/nS4、实时采集行道树图像，对原始行道树图像进行尺寸变换，使得其与步骤S2尺寸变换的目标尺寸一致，输入训练后的模型，进行处理得到分割结果。/n
【技术特征摘要】
1.一种基于MaskR-CNN的行道树图像实例分割方法，其特征在于，该方法包括以下步骤：
S1、首先选择若干张行道树图像作为样本，进行标注得到行道树掩膜图像；
S2、对所有样本的原始行道树图像和行道树掩膜图像进行预处理，包括尺寸变换和数据扩充，将处理后的所有图像作为样本集；
S3、将样本集中的所有样本输入基于MaskR-CNN的行道树实例分割模型进行训练，得到训练后的模型；
S4、实时采集行道树图像，对原始行道树图像进行尺寸变换，使得其与步骤S2尺寸变换的目标尺寸一致，输入训练后的模型，进行处理得到分割结果。
2.根据权利要求1所述的基于MaskR-CNN的行道树图像实例分割方法，其特征在于，步骤S1中，具体包括：
S1-1、对行道树拍照进行图像采集，并对行道树图像中的各个行道树分别进行标注；对于单个行道树进行标注时，沿着树冠和树干边缘取点组成一个多边形，完成了单个行道树的轮廓标注，获取单个行道树轮廓的外接矩形边界框；
S1-2、将各行道树轮廓内的像素点以及所有行道树以外的背景分别设为对应的颜色，得到行道树掩膜图像进行保存，单个行道树的掩膜图像与原图像尺寸相同。
3.根据权利要求2所述的基于MaskR-CNN的行道树图像实例分割方法，其特征在于，步骤S1-1中，采用开源图像标注软件VGGImageAnnotator，由人工进行手动标注。
4.根据权利要求1所述的基于MaskR-CNN的行道树图像实例分割方法，其特征在于，步骤S2中，具体为：将各样本的原始行道树图像和行道树掩膜图像调整到统一尺寸，并对所有图像进行水平翻转，将样本集扩大至原样本集的2倍。
5.根据权利要求1所述的基于MaskR-CNN的行道树图像实例分割方法，其特征在于，步骤S3中，具体包括：
S3-1、将样本集输入模型，采用卷积神经网络CNN特征提取单元提取各样本的图像特征向量，将各样本的图像特征向量输入区域建议网络RPN，生成行道树候选区域；
S3-2、将各样本的图像特征向量、以及步骤S3-1获取的行道树候选区域输入感兴趣区域对齐层RoI，对齐后输出两个分支数据：包括分类检测分支数据和掩膜分支数据；
S3-3、将分类检测分支数据输入全连接层，判断感兴趣...
【专利技术属性】
技术研发人员：李秋洁，陆清屿，袁鹏成，童岳凯，
申请(专利权)人：南京林业大学，
类型：发明
国别省市：江苏;32
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。