【技术实现步骤摘要】
本专利技术涉及计算机图像处理，特别涉及一种使用无人机影像计算退化指示草种覆盖度的方法。
技术介绍
1、三江源地区在我国具有很高的生态和经济价值，该地区生态系统脆弱而敏感，在自然因素和人为因素(如全球变暖和过度开垦放牧)的共同干扰之下，很容易发生草地退化，因此对其进行预测并采取措施是目前所采取的策略。
2、通过人工智能技术并借助于计算机图像处理技术，使用对无人机拍摄影像进行计算以分析退化指示草种的平均覆盖度，用于评价草地退化是新兴技术手段，其中使用深度学习技术研究三江源草地退化评价是实现草地评价智能化中的一个重要阶段；然而，语义分割时由于无人机影像高度不一致会导致退化指示草覆盖比例计算结果与实际情况不一致，进而导致草地退化评价结论的误差，而降低该误差的方法是本申请所要解决的难题；同时，采用某种使用无人机影像计算退化指示草种覆盖度的方法也值得探索。
技术实现思路
1、本专利技术针对
技术介绍
所提及的问题，提供一种使用无人机影像计算退化指示草种覆盖度的方法，所采用的技术方案包括以下步骤：
2、s1、无人机拍摄影像的处理：使用无人机对草原进行拍摄，并得到视频或图片格式的影像；
3、若该影像为视频格式时，则使用视频处理软件对其进行截帧与裁剪并形成图片序列，以得到图片数据；
4、若该影像为图片格式时，则形成图片序列，以得到图片数据；
5、s2、图片数据的标注及训练以形成语意分割的结果：用图形图像注释软件对步骤s1图片数据各图片中的退化指
6、s3、判断图片的拍摄高度及图片大小：判断由步骤s1所得到的图片数据中各图片的拍摄高度及图片大小；
7、s31、若图片大小一致且已知拍摄高度，则计算平均高度和图像高度，再计算各图片的实际地面比例agp；执行步骤s4；
8、s32、若图片大小不一致且已知拍摄高度，则计算平均高度和图像高度，再计算各图片的实际地面比例agp；执行步骤s5；
9、s33、若图片大小不一致且未知拍摄高度，则用图形图像注释软件对图片中的退化指示草种进行标注，输入实例分割网络中并训练，进而得到实例分割的结果；执行步骤s6；
10、s4、计算退化指示草种的覆盖度：根据实际地面比例agp和语意分割的结果，以图片为单位计算退化指示草种的覆盖度；
11、s5、计算退化指示草种的覆盖度：根据实际地面比例agp和语意分割的结果，以像素为单位计算退化指示草种的覆盖度；
12、s6、计算退化指示草种的覆盖度：根据实际地面比例agp和语意分割的结果，以像素为单位计算退化指示草种的覆盖度；
13、s7、由覆盖度判断草地退化等级。
14、进一步的，在步骤s31中的计算方法为：
15、以高度为依据进行比例转换，得到实际地面中退化指示草种的平均覆盖度，则得到表1形式的统计数据：
16、表1
17、
18、表1中：h为原始图片的高度，m为对应高度下的图片数量，p为对应高度下退化指示草种的所有图像的平均覆盖度；
19、所述平均覆盖度的计算过程为：
20、采用公式1，计算平均高度l：
21、l＝(h1+h2+h3+…+hn)/n 公式1
22、采用公式2，计算每一张原始图片的实际地面比例at：
23、at＝(ht/l)2 公式2
24、公式2中：at为高度为ht的原始图片的实际地面比例agp；
25、采用公式3，计算退化指示草种的平均覆盖度acg：
26、
27、公式3中：a为实际地面比例agp，m为对应高度的图片数量，p为相应高度的退化指示草种的平均覆盖度。
28、进一步的，在步骤s32中的计算方法为：
29、统计裁剪后每张图片的像素个数以得到表2形式的统计数据：
30、表2
31、
32、表2中：c为经过处理后该图片的像素个数；
33、所述平均覆盖度的计算过程为：
34、采用公式2，计算每一张原始图片的实际地面比例at：
35、采用公式4，计算退化指示草种的平均覆盖度acg：
36、
37、进一步的，在步骤s33中的计算方法为：
38、根据每张图片的退化指示草种的平均像素个数pavg之间的比值来判断该图片的实际地面比例agp，再根据求得的实际地面比例agp来计算平均覆盖度，则得到表3形式的统计数据：
39、表3
40、
41、表3中：q为图片中芨芨草的个数，设芨芨草作为退化指示草种的样本；
42、使用实例分割网络获得各图片中芨芨草的个数及其像素个数，根据每张图片中芨芨草的平均像素个数来推测拍摄图片的地面高度进而判断图像的实际地面比例agp，进而计算出所有原始图片中退化指示草种的平均覆盖度，其中平均像素个数pavg采用公式5：
43、
44、采用公式6计算所有原始图片的基准平均像素个数pavg
45、
46、采用公式7计算每张图片的实际地面比例agp值
47、
48、采用公式8计算退化指示草种的平均覆盖度acg：
49、
50、其中，若图片中没有芨芨草的情况，选择使用pavg来作为其平均每株芨芨草像素个数，即a＝1，以计算得到最终结果。
51、优选的，在步骤s1中，所述视频处理软件为python中的视频处理包。
52、优选的，在步骤s2和s3中，所述图形图像注释软件为labelme；所述实例分割网络为maskr-cnn，语义分割网络为mask2former。
53、优选的，在步骤s7中，所述草地退化等级分为轻度、中度和重度危害，即退化指示草种的平均覆盖度小于25％时视为轻度危害，在25％到50％之间时视为中度危害，大于50％时视为重度危害。
54、实施本专利技术的有益效果：本专利技术提出一种使用无人机影像计算退化指示草种覆盖度的方法，该方法通过视频处理软件进行截帧与裁剪以得到图片数据，通过图形图像注释软件对各图片中的退化指示草种进行标注，通过语意分割网络和实例分割网络进行训练，以准确的计算出退化指示草种的覆盖度，据此而评定草地退化等级；其中，在语义分割时由于无人机影像高度不一致会导致毒杂草覆盖比例计算结果与实际情况不一致，进而导致草地退化评价结论的误差问题，本专利技术针对已知拍摄草地图像高度与未知拍摄草地图像高度两种情形，提出了实际地面比例agp的具体计算方法，即通过计算每一张图像的实际地面比例来将所有图像转换到同一高度进行覆盖度的计算，从而得到接近真实的毒杂草覆盖度，更加科学的评价草地退化等级。
本文档来自技高网...【技术保护点】
1.一种使用无人机影像计算退化指示草种覆盖度的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种使用无人机影像计算退化指示草种覆盖度的方法，其特征在于，在步骤S31中的计算方法为：
3.根据权利要求1所述的一种使用无人机影像计算退化指示草种覆盖度的方法，其特征在于，在步骤S32中的计算方法为：
4.根据权利要求1所述的一种使用无人机影像计算退化指示草种覆盖度的方法，其特征在于，在步骤S33中的计算方法为：
5.根据权利要求1-4任一项所述的一种使用无人机影像计算退化指示草种覆盖度的方法，其特征在于，在步骤S1中，所述视频处理软件为python中的视频处理包。
6.根据权利要求1-4任一项所述的一种使用无人机影像计算退化指示草种覆盖度的方法，其特征在于，在步骤S2和S3中，所述图形图像注释软件为LabelMe；所述实例分割网络为Mask R-CNN，语义分割网络为Mask2Former。
7.根据权利要求1-4任一项所述的一种使用无人机影像计算退化指示草种覆盖度的方法，其特征在于，在步骤S7中，所述
...【技术特征摘要】
1.一种使用无人机影像计算退化指示草种覆盖度的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种使用无人机影像计算退化指示草种覆盖度的方法，其特征在于，在步骤s31中的计算方法为：
3.根据权利要求1所述的一种使用无人机影像计算退化指示草种覆盖度的方法，其特征在于，在步骤s32中的计算方法为：
4.根据权利要求1所述的一种使用无人机影像计算退化指示草种覆盖度的方法，其特征在于，在步骤s33中的计算方法为：
5.根据权利要求1-4任一项所述的一种使用无人机影像计算退化指示草种覆盖度的方法，其特征在于，在步骤s1...
【专利技术属性】
技术研发人员：李春梅，李楷，欧为友，李海洋，金云鹏，杨鹏，孔莎莎，方程梧，黄湘杰，韩耀生，
申请(专利权)人：青海大学，
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。