基于深度学习的航拍图像植被提取与分类方法技术

本发明专利技术提供了一种基于深度学习的航拍图像植被提取与分类方法,该方法包括：获取植被的多光谱图像，并根据多光谱图像得到植被指数特征图、植被RGB图像和DEM图像；基于DEM图像得到地形特征图；基于植被RGB图像得到颜色特征图、纹理特征图、植被差异特征图；将植被RGB图像、地形特征图、植被指数特征图、颜色特征图、纹理特征图、植被差异特征图输入神经网络中，得到植被细粒度分割图。本发明专利技术可以结合了植被阴影的形状和角点数量、地形、颜色、纹理等特征对植被进行分类，提高了植被细粒度分类的精度。度。度。

【技术实现步骤摘要】
基于深度学习的航拍图像植被提取与分类方法


[0001]本专利技术涉及人工智能、无人机航拍领域，具体涉及一种基于深度学习的航拍图像植被提取与分类方法。

技术介绍

[0002]随着无人机应用领域的不断拓展，利用无人机对地表进行地物提取，已经成为一种重要的方式，多光谱遥感不仅可以根据影像的形态和结构的差异判别地物，还可以根据光谱特性的差异判别地物，扩大了遥感的信息量，可以获得比常规方法更为丰富的图像，也为地物影像计算机识别与分类提供了可能。目前对于多光谱图像进行植被提取，存在表征能力及泛化能力弱，样本类别极度不平衡的问题，且对于植被的细粒度分割更加困难，通常表现为阔叶林、针叶林等类别的分割出现大量错误，难以区分不同的植被。

技术实现思路

[0003]为了解决上述问题，本专利技术提出一种基于深度学习的航拍图像植被提取与分类方法，该方法包括：
[0004]步骤一，获取植被的航拍多光谱图像，并根据航拍多光谱图像得到植被指数特征图、植被RGB图像和DEM图像；
[0005]步骤二，基于DEM图像得到地形特征图；基于植被RGB图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的航拍图像植被提取与分类方法，其特征在于，该方法包括：步骤一，获取植被的航拍多光谱图像，并根据航拍多光谱图像得到植被指数特征图、植被RGB图像和DEM图像；步骤二，基于DEM图像得到地形特征图；基于植被RGB图像得到颜色特征图、纹理特征图、植被差异特征图、植被二值图；其中，根据纹理特征图获取植被区域的局部纹理特征图，根据植被RGB图像得到植被阴影区域的平均明度值，识别植被阴影区域的形状并统计植被阴影区域的角点数量；根据局部纹理特征图、植被阴影区域的平均明度值、形状、单位面积角点数量对植被二值图中植被区域像素点的像素值进行不同程度的增大，得到植被差异特征图；步骤三，将植被RGB图像、地形特征图、植被指数特征图、颜色特征图、纹理特征图、植被差异特征图输入神经网络中，得到植被细粒度分割图。2.如权利要求1所述的方法，其特征在于，对多光谱图像进行真彩色合成得到植被RGB图像。3.如权利要求1所述的方法，其特征在于，利用RDLS算法对DEM图像进行处理，得到地形特征图。4.如权利要求1所述的方法，其特征在于，所述植被指数特征图为比值植被指数特征图或归一化植被指数特征图。5.如权利要求1所述的方法，其特征在于，基于像素点间的相似度将植被RGB图像中的像素点划分为若干类别得到颜色特征图。6.如权利要求1所述的方法，其特征在于，纹理特征图的获取方法为：植被RGB图像经过灰度转换得到灰度图，根据灰度图中每个像素点的灰度共生矩阵得到该像素点的纹理特征值，所有像素点的纹理特征值构成纹理特征图。7.如权利要求6所述的方法，其特征在于，所述植被差异特征图的具体获取方法为：基于植被RGB图像得到植被阴影...

【专利技术属性】
技术研发人员：周斌，赵明举，张王卫，张亚超，代传垒，
申请(专利权)人：郑州科技学院，
类型：发明
国别省市：