基于解耦风险估计的无人机高光谱松材线虫病快速探测方法技术

本发明专利技术涉及一种基于解耦风险估计的无人机高光谱松材线虫病快速探测方法。本方法通过类别解耦的风险估计，将阈值确定问题转换为风险估计问题，避免阈值调节步骤，同时将全卷积神经网络引入单分类框架中，通过全局空间信息的利用来捕获影像中距离较远的像素间的依赖关系，缓解无人机影像探测结果中常出现的“椒盐噪声”现象，并且与基于影像块的单分类方法相比，本发明专利技术所提出的方法具有较快的推理速度。该方法可以用来进行松材线虫病的探测，无需人工干预。

【技术实现步骤摘要】
基于解耦风险估计的无人机高光谱松材线虫病快速探测方法
本专利技术属于无人机遥感图像技术处理领域，尤其涉及一种基于解耦风险估计的无人机高光谱松材线虫病快速探测方法。
技术介绍
松材线虫病被称为松树的“癌症”，松树感染此病后40天左右即可表现出枯死症状，2至3个月便会死亡，3至5年间便会造成大面积毁林的恶性灾害。发现枯死松树的位置并迅速砍伐患病松树是阻断松材线虫病传播的有效手段之一。但人工监测枯死松树位置的方法费事费力，很难做到快速大面积枯死松树位置的提取，而患病松树冠层反射率的变化为枯死松树的高光谱遥感监测提供了可能。在遥感监测手段中，无人机数据因获取方便、价格低廉、可定制性强而受到研究者的广泛关注。与此同时，基于无人机高光谱遥感影像的松材线虫病枯死松树探测也是一项艰巨的任务：其一，传统的高光谱影像探测算法无法直接得到枯死松树的位置，需额外确定阈值后，才可以获得影像像素的所属类别，无需阈值的设定而直接获得枯死松树的位置本质上属于更难解决的遥感影像单分类问题。其二，传统的遥感影像探测方法基于手工特征，复杂场景下的患病松树的识别能力受限。其三本文档来自技高网...

【技术保护点】
1.一种基于解耦风险估计的无人机高光谱松材线虫病快速探测方法，其特征在于，包括以下步骤：/n步骤1，依据地面真实值构建包含有枯死松树及未标注像素的训练数据集χ

【技术特征摘要】
1.一种基于解耦风险估计的无人机高光谱松材线虫病快速探测方法，其特征在于，包括以下步骤：
步骤1，依据地面真实值构建包含有枯死松树及未标注像素的训练数据集χP和χU；
步骤2，对无人机高光谱影像逐波段进行归一化预处理；
步骤3，根据训练数据量大小构建所需的全卷积神经网络，并初始化网络的参数；
步骤4，将无人机影像输入步骤3构建的全卷积神经网络并进行前向传播得到输出结果
步骤5，基于类别解耦设计总体样本风险估计，并利用全卷积神经网络的输出和对应标签进行风险估计；
步骤6，利用梯度下降算法，更新全卷积神经网络的权重，步骤4至步骤6，最小化步骤5中设计的总体样本风险估计；
步骤7，对需要探测的影像进行步骤2中的归一化处理，然后输入到训练好的全卷积神经网络中进行推理，输出结果大于0的为枯死松树，反之为其他地物。


2.如权利要求1所述的一种基于解耦风险估计的无人机高光谱松材线虫病快速探测方法，其特征在于：所述步骤1的实现方式如下，
步骤1.1，通过地面真实值对影像进行标注，获得仅包含枯死松树的数据集χP；
步骤1.2，通过随机采样的方式在影像中获得包含未标注像素的训练数据集χU，该数据集同时包含枯死松树的样本和其他地物的样本。


3.如权利要求1所述的一种基于解耦风险估计的无人机高光谱松材线虫病快速探测方法，其特征在于：所述步骤2的实现方式如下，
步骤2.1，逐波段计算高光谱影像的均值meani和方差stdi，i为高光谱影像的波段序号；
步骤2.2，逐波段对高光谱影像进行归一化，计算公式为：其中bandi为第i个高光谱影像的波段，n_bandi为对应的归一化之后的波段。


4.如权利要求1所述的一种基于解耦风险估计的无人机...

【专利技术属性】
技术研发人员：赵恒伟，钟燕飞，王心宇，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北;42