【技术实现步骤摘要】
一种基于无人机的红树植物种类快速识别方法
[0001]本专利技术属于红树林遥感监测
，具体涉及一种基于无人机的红树植物种类快速识别方法。
技术介绍
[0002]低空无人机遥感成本低、数据采集灵活、图像空间分辨率高，具有实时获取影像资料的能力，特别在小区域低空领域具有一定的优势，是传统航空遥感和卫星遥感的重要补充。在过去几年中，无人机在森林制图、作物管理和其他植被监测方面广受关注，红树林无人机遥感研究作为其中的一个分支，正处于起步阶段。
[0003]目前，基于无人机遥感数据开展的红树林研究主要关注红树林植物的物种识别和生态信息提取，涉及的方法种类较多，主要包括像素级的种类识别和面向对象的种类识别等。其中，像素级的种类识别算法通过计算机提供的高计算性能，采用端到端的人工智能算法，直接实现对无人机采集图像的识别与理解，辅助红树林生态系统物种分析和评估。该类算法技术简单，不需要过多人为干预，普适性较好。然而，存在无法充分利用图像中的空间几何约束等信息的问题，影响了种类识别的精度。面向对象的种类识别算法通过图像分割技术提...
【技术保护点】
【技术特征摘要】
1.一种基于无人机的红树植物种类快速识别方法，其特征在于，具体包括以下步骤：S1：采集红树林生态系统的无人机原始图像；S2：对采集的无人机原始图像进行预处理，并对图像进行数据标注，获取训练网络所需训练集、测试集和验证集；S3：对S2中经过预处理的图像进行三维点云重建，获取飞行区域的红树植物数字表面模型；S4：将S2获取的训练集输入SegNet神经网络进行训练，经过验证集验证循环迭代进行参数优化，获取红树植物种类识别模型；基于S2中经过畸变校正无人机原始图像，优化面向对象的种类识别算法，筛选最佳的物种分类参数；S5：利用S4获取的红树植物种类识别模型，对S2中经过预处理的测试集进行识别和分类，获取像素级识别结果，并获取模型对各种植物的第一识别精度；通过S4优化的面向对象的种类识别算法，对S2中经过预处理的测试集进行识别和分类，获取对象级识别结果，并获取算法对各种植物的第二识别精度；S6：根据不同红树植物的第一识别精度和第二识别精度，构建红树植物种类识别权重数据库，为红树林生态系统的物种细分类提供基础；S7：利用S3中获取的红树植物数字表面模型，获取并根据不同植物的高度信息，将图像中的红树植物预分类成“高层植物、中层植物和底层植物”；S8：在S7获取的三个植物大类中，利用S5获取的像素级识别结果和S5获取的对象级识别结果，按S6中的权重数据库中的权重对图像进行细分类，获取确切的种类识别结果。2.根据权利要求1所述的红树植物种类快速识别方法，其特征在于，具体地，在S1中，采集无人机原始图像时，无人机选型为大疆精灵Phantom4RTK，其水平方向和高度方向上的定位精度均为厘米级，像素为5472
×
3568。飞行参数选取为高度为80m，飞行速度为3m/s，航向重叠度为90％，旁向重叠度为80％，镜头垂直向下拍摄正射影像。单次作业时间平均为18min。3.根据权利要求1所述的红树植物种类快速识别方法，其特征在于，具体地，在S2中，包括以下具体步骤：S21：根据无人机云台相机镜头畸变参数，对采集的无人机原始图像进行畸变校正；S22：对经过畸变校正无人机原始图像进行数据标注，确定植物识别种类标签；例如植被识别种类可以为秋茄、无瓣海桑、老鼠筋、裸地和水域等。S23：对数据标注后的图像进行裁切，对图像数量进行扩充并对有效区域(包含红树植物)内采集的数据进行筛选；S24：将裁切后的图像按照60％、20％和20％的比例划分为训练集、验证集和测试集。4.根据权利要求1所述的红树植物种类快速识别方法，其特征在于，具体地，在S3中，包括以下具体步骤：S31：根据无人机飞行参数对预处理的图像进行三维点云重建；S32、基于三维点云重建结果，获取该区域的DSM数据；S33：根据S2获取的数据集，裁切对应经纬度位置和对应航向角的DSM，获取飞行区域的红树植...
【专利技术属性】
技术研发人员：李瑞利，沈小雪，翟朝阳，张志，江鎞倩，张月琪，
申请(专利权)人：北京大学深圳研究生院，
类型：发明
国别省市：
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。