【技术实现步骤摘要】
本专利技术涉及重金属元素含量分析，具体涉及一种基于航拍影像的河岸优势植物重金属总含量计算方法。
技术介绍
1、无人机航拍影像是利用无人机进行拍摄获取的数据，具有高分辨率特性，广泛应用于地理信息获取与分析领域。无人机航拍影像的三维重建是利用无人机航拍影像数据来重建三维场景的几何结构和纹理信息的过程，该过程可导出正射影像与数字高程图。正射影像是指经过校正和投影处理的影像，具有真实尺度和几何校正；数字高程图是指包含地表高程信息的栅格数据，反映了地形的高低变化。这些影像数据可为地理测绘、环境监测与评估等领域提供精确的空间数据和地表特征信息。
2、无人机航拍影像可以通过计算机视觉领域的多项技术进行处理，如图像分割等。语义分割是图像分割的一种特定形式，是指将图像中的每个像素划分为特定的语义类别，实现对图像内容的理解与识别。通过像素级别的标注，可以将图像中不同的物体或区域分割，从而获取更准确的语义信息。在语义分割的实现过程中，深度学习神经网络发挥着关键作用，它是利用深度学习算法和神经网络来处理和分析图像。其中，全卷积网络(fcn)是一种常用的网络结构，用于有效提取图像特征并应用于图像分类和图像分割任务。近年来，引入图像领域的vit(vision transformer)是一种基于自注意力机制的新型深度学习模型，能够高效的捕捉图像中的全局上下文信息和局部特征。
3、八邻域模型是一种常用于图像处理和分析的空间邻域模型，用于表示像素之间的空间关系和相互作用。在图像处理和图像分割等任务中，八邻域模型经常用于像素级别的操作和计算
4、在进行环境污染评估时，重金属元素含量是一个重要的指标。对重金属元素含量进行分析和评估，可以帮助研究人员更好地了解环境污染的程度和影响，并采取相应的措施来保护环境和人类健康。
技术实现思路
1、为了评估和分析环境污染的程度和并进行量化评估，本专利技术提出了一种基于航拍影像的河岸优势植物重金属总含量计算方法，该方法是一种针对环境污染评估和分析以及无人机航拍影像处理的创新方法，利用无人机航拍影像数据并结合深度学习和图像分割技术，估算出河岸优势植物释放或吸收的重金属总含量，为环境污染评估提供更准确的方法和分析数据的手段。
2、本专利技术采取的技术方案为：
3、基于航拍影像的河岸优势植物重金属总含量计算方法，包括以下步骤：
4、步骤1：采集河道航拍影像数据，通过对河道航拍影像数据进行处理与分析，重建三维河道并获取河道正射影像与数字高程图；
5、步骤2：将河道正射影像切分为切片，并随机抽取部分正射影像切片进行语义分割标记，再将正射影像切片与对应标记结果，制作为数据集；
6、步骤3：构建基于深度学习的河道语义分割深度神经网络，并将步骤2的数据集送入该网络进行训练，得到河道语义分割模型；
7、步骤4：使用步骤3的河道语义分割模型对所有正射影像切片进行预测，并拼接生成完整河道语义分割图，得到河岸优势植物精确分布范围；
8、步骤5：将河道语义分割图、河道正射影像和数字高程图进行预处理；
9、步骤6：根据预处理后的河道语义分割图、河道正射影像和数字高程图，计算出河岸优势植物实际生长面积；
10、步骤7：根据河岸优势植物实际生长面积，计算出河岸优势植物重金属总含量。
11、所述步骤1包括以下步骤：
12、s1.1：首先，使用无人机拍摄采集河道航拍影像数据；
13、s1.2：其次，利用基于图像的三维场景重建技术对航拍影像进行三维重建，生成具备几何结构和纹理信息的河道三维模型；
14、s1.3：从河道三维模型中导出包含地理位置信息的正射影像(digitalorthophoto map,dom)以及包含高程信息的数字高程图(digital elevation map,dem)。
15、所述步骤2包括以下步骤：
16、s2.1：首先，将正射影像切分为若干个尺寸为1024×1024的切片，即正射影像切片；
17、s2.2：其次，按等间隔规则随机选取部分正射影像切片，使用标注软件对正射影像切片按照预先设定的类别进行语义标注，并导出标注结果文件；
18、s2.3：再次，读取标注结果文件的信息，利用opencv库绘制出与正射影像切片尺寸相同的标签图；
19、s2.4：最后，将正射影像切片与对应的标签图制作为数据集，并按比例将该数据集划分为训练集、测试集和验证集。
20、所述步骤4中，使用河道语义分割模型对所有正射影像切片进行推理预测，得到尺寸为1024×1024的语义分割图，将这些语义分割图进行拼接，生成与正射影像尺寸相同的完整河道语义分割图。
21、所述步骤5中，由于河道语义分割图与三维重建后导出的正射影像、数字高程图的尺寸可能存在差异，因此需要对它们进行对齐和插值以统一尺寸。通过双线性插值或三次插值等插值方法，将数字高程图和语义分割图与正射影像对齐，并调整到与正射影像的尺寸相同。
22、所述步骤6中，基于八邻域模型计算河岸优势植物实际生长面积，包括以下步骤：
23、①：确定计算河岸优势植物实际生长面积的积分条件：
24、由于在使用标注软件的过程中，河岸优势植物在语义分割图中所有的像素均为同一语义分割类号，故以语义分割类号作为河岸优势植物表面积积分的条件。从语义分割图中，循环读取除边界像素外的所有像素。如果当前像素的语义分割类号与优势植物的语义分割类号相同，则执行下一步操作；否则，跳出此次循环；
25、②：数据读取与预处理：
26、首先，从数字高程图中，读取当前像素(作为中心像素)及其相邻8个像素的高程值。分别计算中心像素与相邻8个像素、x和y方向上两相邻像素间的高程差，共计16个值；其次，从正射影像中，读取当前像素(作为中心像素)及其相邻8个像素的经纬度信息，共计9对值；
27、最后，利用经纬度信息，计算当前像素(作为中心像素)与相邻8个像素间、x和y方向上两相邻像素间的距离。
28、③：利用勾股定理计算三角形面积：
29、首先，将高程差和距离作为直角边，用勾股定理计算出直角三角形的斜边。如果三条边无法构成(直角)三角形，则返回-1，使得在④中计算三角形面积时，条件不成立；否则，计算并返回斜边。
30、其次，以斜边两两连接中心像素与其4个正方向：上、下、左、右上，以及4个对角方向左上、右上、左下、右下上的8个相邻像素，构成8个三角形；如果三条斜边无法构成三角形，则返回0；否则，计算并返回三角形面积；
31、④：定义当前像素本文档来自技高网...
【技术保护点】
1.基于航拍影像的河岸优势植物重金属总含量计算方法，其特征在于包括以下步骤：
2.根据权利要求1所述基于航拍影像的河岸优势植物重金属总含量计算方法，其特征在于：所述步骤1包括以下步骤：
3.根据权利要求1所述基于航拍影像的河岸优势植物重金属总含量计算方法，其特征在于：所述步骤2包括以下步骤：
4.根据权利要求1所述基于航拍影像的河岸优势植物重金属总含量计算方法，其特征在于：所述步骤4中，使用河道语义分割模型对所有正射影像切片进行推理预测，得到尺寸为1024×1024的语义分割图，将这些语义分割图进行拼接，生成与正射影像尺寸相同的完整河道语义分割图。
5.根据权利要求1所述基于航拍影像的河岸优势植物重金属总含量计算方法，其特征在于：所述步骤5中，通过插值方法将数字高程图和语义分割图与正射影像对齐，并调整到与正射影像的尺寸相同。
6.根据权利要求1所述基于航拍影像的河岸优势植物重金属总含量计算方法，其特征在于：所述步骤6中，基于八邻域模型计算河岸优势植物实际生长面积，包括以下步骤：
7.根据权利要求1所述基于航拍
8.基于航拍影像提取河岸优势植物的精确分布范围的方法，其特征在于包括以下步骤：
9.根据河岸优势植物的精确分布范围估算河岸优势植物重金属总含量的方法，其特征在于包括以下步骤：
10.基于八邻域模型计算河岸优势植物实际生长面积的方法，其特征在于包括以下步骤：
...【技术特征摘要】
1.基于航拍影像的河岸优势植物重金属总含量计算方法，其特征在于包括以下步骤：
2.根据权利要求1所述基于航拍影像的河岸优势植物重金属总含量计算方法，其特征在于：所述步骤1包括以下步骤：
3.根据权利要求1所述基于航拍影像的河岸优势植物重金属总含量计算方法，其特征在于：所述步骤2包括以下步骤：
4.根据权利要求1所述基于航拍影像的河岸优势植物重金属总含量计算方法，其特征在于：所述步骤4中，使用河道语义分割模型对所有正射影像切片进行推理预测，得到尺寸为1024×1024的语义分割图，将这些语义分割图进行拼接，生成与正射影像尺寸相同的完整河道语义分割图。
5.根据权利要求1所述基于航拍影像的河岸优势植物重金属总含量计算方法，其特征在于：所述步骤5中，通过插值方法将数字高程图和语义分割...
【专利技术属性】
技术研发人员：黄志勇，姚玉，向梦丽，佘雅丽，丁妥君，胥焘，
申请(专利权)人：三峡大学，
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。