基于多尺度特征感知网络的城市植被无人机遥感分类方法技术

本发明专利技术涉及无人机遥感分类技术领域，涉及一种基于多尺度特征感知网络的城市植被无人机遥感分类方法，包括：一、对采集的照片进行拼接、校正处理生成无人机正射影像；二、采用目视解译方法构建植被样本数据集；三、基于HRNet网络构建了多尺度特征感知深度神经网络MFDN植被分类模型，训练数据集至模型拟合效果最佳，选取最优模型进行预测并进行精度评价，最终得到城市植被分类结果图，实现无人机遥感城市植被快速调查。本发明专利技术在网络输入层引入坐标卷积减少空间信息的丢失，构建多层并行网络增强尺度信息，减少细节特征的丢失，同时利用分离特征模块，扩大感受野并获取多尺度特征信息，有效缓解了植被漏分、错分现象，提高了分类精度。提高了分类精度。提高了分类精度。

【技术实现步骤摘要】
基于多尺度特征感知网络的城市植被无人机遥感分类方法


[0001]本专利技术涉及无人机遥感分类
，具体地说，涉及一种基于多尺度特征感知网络的城市植被无人机遥感分类方法。

技术介绍

[0002]植被影响和制约着城市景观格局和生态系统服务功能，是城市关键的组成部分，与城市密切相关。城市植被是城市生态系统的主要载体，它具有防沙除尘、涵养水源以及缓解城市热岛效应等功能，维持着城市生态系统和人类生活环境的质量，对城市的可持续发展起着至关重要的作用。如何准确有效的对城市植被类型进行划分对于保护城市生态环境和规划城市生态资源具有重要意义。
[0003]传统的植被分类主要以地面实测调查为主，在地形相对简单、植被覆盖面积小的区域分类效果较好，但在地形较为复杂、植被覆盖面积大的区域此方法调查成本高且费时费力，因此无法对地形复杂的城市区域中的植被类型进行快速划分。
[0004]随着遥感技术的快速发展，卫星遥感已成为植被分类和遥感技术的研究热点之一，不仅提高了城市生态资源调查的速度和精度，也有效降低了调查成本。通过卫星遥感可以获取大尺度范围的植被分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于多尺度特征感知网络的城市植被无人机遥感分类方法，其特征在于：包括以下步骤：一、对采集的照片进行拼接、校正处理生成无人机正射影像；二、采用目视解译的方法构建植被样本数据集；三、基于HRNet网络构建了多尺度特征感知深度神经网络MFDN植被分类模型，训练数据集至模型拟合效果最佳，选取最优模型进行预测并进行精度评价，最终得到城市植被分类结果图，实现无人机遥感城市植被快速调查。2.根据权利要求1所述的基于多尺度特征感知网络的城市植被无人机遥感分类方法，其特征在于：多尺度特征感知深度神经网络MFDN中，在网络输入层引入坐标卷积；在垂直方向上利用下采样过程拓宽网络，通过多支并行连接的子网络融合多尺度特征连接高分辨率与低分辨率，保留不同分辨率的特征信息；进行重复多尺度特征融合，每支网络的高到低分辨率表示能够接收来自并行的子网络信息，在整个过程中保持高分辨率的表示；在每个分支网络中添加了密集连接模块；在底层网络中结合分离特征模块并更改空洞卷积的空洞率获取不同尺度上的细节信息。3.根据权利要求2所述的基于多尺度特征感知网络的城市植被无人机遥感分类方法，其特征在于：多尺度特征感知深度神经网络MFDN中，影像输入网络后通过下采样操作降低特征图大小，在每一个密集连接模块后，都对特征图进行一次下采样操作，每次生成的特征图通过分支网络保持相同分辨率，利用密集连接模块对特征进行提取复用，总共生成4支网络；每支网络通过特征融合能够接收其他分支网络的特征信息；通过连续上采样操作将后3支网络提取的特征图恢复到第1分支网络的大小，通过上采样操作将4支网络合并的特征图恢复到原始影像分辨率，最后使用softmax分类器输出分割结果。4.根据权利要求3所述的基于多尺度特征感知网络的城市植被无人机遥感分类方法，其特征在于：多尺度特征感知深度神经网络MFDN中，DenseNet中的密集连接模块具有强大的特征提取与复用能力，密集连接模块通过密集连接方式将前一层的特征叠加映射传递给后续其它层，每层都会与前面所有层在通道维度上通过拼接方式连接在一起，能够将多个特征进行组合，减少参数量并增强特征重用；因此，L层深度的网络中，网络具有L
×
(L+1)/2个连接；密集连接模块的表达式如下：X
L
＝H
L
([X0...

【专利技术属性】
技术研发人员：杨辉，王彪，吴艳兰，
申请(专利权)人：安徽大学，
类型：发明
国别省市：