【技术实现步骤摘要】
本专利技术属于但不限于高光谱遥感图像处理，尤其涉及一种基于mbs-td3dan的无人机高光谱遥感图像特征提取与识别方法及系统。
技术介绍
1、高光谱遥感技术作为遥感技术的重要分支，是光谱特征和成像技术相结合的多维信息获取技术。高光谱遥感图像不仅包含了二维物体信息和空间信息，还融合了光谱信息。通过光谱重建对图像进行了精细的分割，形成连续且高分辨率的光谱反射数据，使每个像素点都对应一条完整的光谱曲线。传统的地物检测方法过程繁琐、费时费力，而无人机机载高光谱遥感技术能够做到实时、非接触、快速、无损检测，可以探测到传统遥感技术无法探测的区域，获取地物光谱，为区分地表地物类型、评估成分含量提供数据支持；还可以多时相的获取数据，通过多种元素的计算，提高地物识别准确率。这种“图谱合一”的特点使无人机高光谱遥感技术在区分地表物体上具有很高的精度，目前已经用于环境监测、精准农业、城市规划等方面。
2、无人机高光谱技术已经广泛应用于农业发展，特别是在草地牧草的识别和监测方面。牧草是陆地生态系统的重要组成部分。牧草再生力强，富含各种微量元素和维生素。随着草原生态系统和畜牧业的发展，对牧草的需求越来越大，出现了牧草数量短缺，品质差等情况。牧草种类识别对优质品种的培养和牧草的发展具有重要作用，通过对牧草进行识别，可以了解不同种类牧草的特性、生长条件、营养价值等信息。从而进行针对性改良，优化牧草种植结构，提高牧草产量和质量。目前，多数牧草识别方法还依赖于人工识别，不仅效率低下，还消耗了人工成本。牧草的生长地区和特性决定了牧草的识别难度，许多品种
3、一些研究将无人机与二维图像相结合，虽然解决了图像中牧草种类少的问题，但二维图像无法分析到光谱维度的特征，对于纹理相似、颜色相近的牧草难以区分。而无人机高光谱图像弥补了二维图像的缺点，不仅可以提取空间特征，还可以提取光谱特征，加强了获取牧草特征的能力，更解决了无法在合适距离采集数据的问题，有效提升了图像分辨率，并将多种牧草包含其中。但处理高光谱图像的庞大数据量也成为新的问题。此外，不同物质的光谱特性受到多种因素的影响，如光照、温度、湿度等，这也会提高图像识别难度，导致准确率降低。现有牧草高光谱图像的识别研究中，人们采取的主要策略有：
4、使用公开数据集作为研究对象，如indian pines、pavia university、houston2018、whu-hi等。这些数据集都有标记完整且清晰的标签数据，对高光谱数据的研究提供了非常大的便利。但大部分数据集的使用次数较多，大部分数据集达不到要求的分辨率水平。即使有些数据集分辨率较高，但拍摄距离远，无法满足实际需要。并且这类图像中除了草类还有其他物体，如建筑、街道等。这类研究只是做到了对物体识别，但对牧草的研究和发展意义不大。
5、研究近地牧草高光谱图像。一些研究拍摄了近地牧草高光谱图像，缩短了拍摄距离，提高了分辨率和清晰度，采集到细致的特征信息。但由于拍摄距离太近，无法在一张图中包含多个种类的牧草，不能实施大面积的识别与分析。而且，这类图像没有对应的标记，增加了识别难度。
6、卫星遥感图像。使用卫星遥感图像对地物识别分类，但距离太远，即使清晰度和分辨率偏高，还是不能精准的区分地物类别，尤其是植物，虽然可以进行大面积的研究，但数据标记和物体分类难以解决，增加了地物识别难度，难以对牧草进行深入研究。
7、主要的技术手段。目前的研究方法以机器学习和深度学习为主。机器学习技术成熟，实验速度快，但不适用于数据量庞大的场景。当数据量过大时，准确率下降明显，速度也大幅下降。深度学习主要以卷积神经网络衍生的各类模型为主，注意力机制将深度学习提升到了新的层次。卷积神经网络与注意力相结合可以有效提升模型性能。但针对不同类型的数据如何提升识别准确率依旧是研究的重点。
8、鉴于上述分析，现有技术存在的急需解决的技术问题为：
9、(1)目前，多数牧草识别方法还依赖于人工识别，不仅效率低下，还消耗了人工成本。
10、(2)现有牧草高光谱图像的识别研究中，识别难度较大，无法满足实际需要，难以对牧草进行深入研究。
11、(3)基于机器学习的技术方法不适用于数据量庞大的场景；基于深度学习的方法针对不同类型的数据如何提升识别准确率依旧有待研究。
技术实现思路
1、针对现有技术存在的问题，本专利技术提供了一种基于mbs-td3dan的无人机高光谱遥感图像特征提取与识别方法及系统。
2、本专利技术是这样实现的，一种基于mbs-td3dan的无人机高光谱遥感图像特征提取与识别方法，该方法具体包括：
3、s1：构建无人机牧草高光谱遥感数据集；
4、s2：通过multi band selector(mbs)预处理方法，对图像降维、去噪，提取特征波段；
5、s3：通过transdense3d-attnnet(td3dan)模型标记数据权重，通过物体、空间、光谱三个维度提取数据特征，使用自注意力机制对数据进行转换、映射、过滤等操作，使用密集卷积层加强特征的传递，最终实现高精度识别。
6、进一步，所述s1，共使用三个数据集，包括实地拍摄的无人机牧草高光谱遥感数据集(ufhi)、无人机高光谱数据集whu-hi-longkou和whu-hi-honghu，其中ufhi图像拍摄地点位于中国，内蒙古自治区，呼和浩特市，中国农业科学院草原研究所农牧交错区实验基地(4034'n,11145'e)，采集设备为nano-hyperspec微型机载高光谱成像仪，搭配大疆m300rtk旋翼无人机，使用envi 5.3标记ufhi，根据拍摄时标记的位置，选择每种牧草的感兴趣区域进行标记，放大包含土地和牧草的像素点，根据像素点内所占区域多少的进行划分，牧草比例超过50％，则认定为牧草，否则认定为土地，牧草的生长区域无法固定，所以标记的区域也不是规则图形，需要根据牧草的生长范围进行标记，本研究将土地和道路均认定为背景区域，对12种牧草进行详细像素点标记，对交叉区域进行多次确认，经过多次标记后，得到牧草高光谱遥感标签图像。
7、进一步，所述s2，mbs计算每个样本像素点的均值，得到图像的协方差矩阵，通过计算它们的和与所有特征值之和的比例来确定贡献率，保留贡献率大波段，得到信息丰富的特征波段数据，保存波段图像，具体包括：
8、(1)计算波段数据b的均值，其中，l是b的长度像素总数，μ是均值：
9、
10、(2)计算b的协方差矩阵σ2，选择最大特征值s：
11、
12、(3)初始化一个零矩阵，计算矩阵的特征值和特征向量，对特征值进行排序后选择特征索引，计算特征值本文档来自技高网...
【技术保护点】
1.一种基于MBS-TD3DAN的无人机高光谱遥感图像特征提取与识别方法，其特征在于，该方法具体包括：
2.如权利要求1所述基于MBS-TD3DAN的无人机高光谱遥感图像特征提取与识别方法，其特征在于，所述S1，共使用三个数据集，包括实地拍摄的无人机牧草高光谱遥感数据集(UFHI)、无人机高光谱数据集WHU-Hi-LongKou和WHU-Hi-HongHu，其中UFHI图像拍摄地点位于中国，内蒙古自治区，呼和浩特市，中国农业科学院草原研究所农牧交错区实验基地(4034'N,11145'E)，采集设备为Nano-Hyperspec微型机载高光谱成像仪，搭配大疆M300RTK旋翼无人机，使用Envi 5.3标记UFHI，根据拍摄时标记的位置，选择每种牧草的感兴趣区域进行标记，放大包含土地和牧草的像素点，根据像素点内所占区域多少的进行划分，牧草比例超过50％，则认定为牧草，否则认定为土地，牧草的生长区域无法固定，所以标记的区域也不是规则图形，需要根据牧草的生长范围进行标记，本研究将土地和道路均认定为背景区域，对12种牧草进行详细像素点标记，对交叉区域进行多次确认，经过多次标
3.如权利要求1所述基于MBS-TD3DAN的无人机高光谱遥感图像特征提取与识别方法，其特征在于，所述S2，MBS计算每个样本像素点的均值，得到图像的协方差矩阵，通过计算它们的和与所有特征值之和的比例来确定贡献率，保留贡献率大波段，得到信息丰富的特征波段数据，保存波段图像，具体包括：
4.如权利要求1所述基于MBS-TD3DAN的无人机高光谱遥感图像特征提取与识别方法，其特征在于，所述S3，TD3DAN是本专利技术提出的多通道特征提取识别模型，包括：
5.一种基于如权利要求1-4所述基于MBS-TD3DAN的无人机高光谱遥感图像特征提取与识别系统，其特征在于，该系统具体包括：
6.根据权利要求5所述的基于MBS-TD3DAN的无人机高光谱遥感图像特征提取与识别系统，其特征在于，所述无人机牧草高光谱遥感数据集构建模块包括：
7.根据权利要求5所述的基于MBS-TD3DAN的无人机高光谱遥感图像特征提取与识别系统，其特征在于，所述多波段选择器(MBS)预处理模块包括：
8.根据权利要求5所述的基于MBS-TD3DAN的无人机高光谱遥感图像特征提取与识别系统，其特征在于，所述TransDense3D-AttnNet(TD3DAN)模型模块包括：
...【技术特征摘要】
1.一种基于mbs-td3dan的无人机高光谱遥感图像特征提取与识别方法，其特征在于，该方法具体包括：
2.如权利要求1所述基于mbs-td3dan的无人机高光谱遥感图像特征提取与识别方法，其特征在于，所述s1，共使用三个数据集，包括实地拍摄的无人机牧草高光谱遥感数据集(ufhi)、无人机高光谱数据集whu-hi-longkou和whu-hi-honghu，其中ufhi图像拍摄地点位于中国，内蒙古自治区，呼和浩特市，中国农业科学院草原研究所农牧交错区实验基地(4034'n,11145'e)，采集设备为nano-hyperspec微型机载高光谱成像仪，搭配大疆m300rtk旋翼无人机，使用envi 5.3标记ufhi，根据拍摄时标记的位置，选择每种牧草的感兴趣区域进行标记，放大包含土地和牧草的像素点，根据像素点内所占区域多少的进行划分，牧草比例超过50％，则认定为牧草，否则认定为土地，牧草的生长区域无法固定，所以标记的区域也不是规则图形，需要根据牧草的生长范围进行标记，本研究将土地和道路均认定为背景区域，对12种牧草进行详细像素点标记，对交叉区域进行多次确认，经过多次标记后，得到牧草高光谱遥感标签图像。
3.如权利要求1所述基于mbs-t...
【专利技术属性】
技术研发人员：潘新，刘一磊，白戈力，周艳青，夏丽娟，
申请(专利权)人：内蒙古农业大学，
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。