深度学习在无人机遥感城市行道树提取中的应用

【目的】城市行道树对改善城市环境、净化空气、降噪遮阴等方面具有重要的生态职能。行道树调查是城市生态资源调查的重要组成,传统城市行道树人工调查方法的成本高、效率低,无法高效地满足管理部门监测城市生态信息的需求。无人机低空遥感的方法提取城市行道树信息,虽然能提高外业调查效率,但仍然存在内业数据处理时人工编辑DEM和树冠分割工作量过大等问题。为解决以上不足,文章探索了一种改进Mask R-CNN实例分割模型的无人机遥感城市行道树提取方案。【方法】基于深度学习的实例分割Mask R-CNN模型,针对城市行道树不存在两棵完全重叠的情况,采用非极大值抑制NMS(Non-maximum suppression)算法对所有检测物进行非极大值抑制,并根据检测树冠区域和待检测掩模之间的重叠比例,判断是否重复检测,以提高数据训练效率和准确率。构建精度评价指标,根据测试集的预测结果评估模型的性能和可适应性。【结果】利用同一架大疆DJI Phantom 4pro无人机,对香樟树、法国梧桐、银桦等典型城市行道树进行影像数据采集,创建了基于无人机遥感影像的行道树数据集,并采用Mask R-CNN实例分割模型实现行道...     

无人机遥感影像速生桉林分参数自动化提取研究

在实景三维建模软件支持下,使用无人机遥感技术快速获取广西扶绥县龙头乡将军屯速生桉林影像,通过Pix4d软件对航摄数据进行自动化内业处理,获取数字正射影像成果(DOM)和数字地表模型(DSM)以及树冠高度模型。基于此树冠高度模型,提取速生桉林的株数、树高、郁闭度等森林参数,并进行精度分析。结果表明:株数精度验证指标(株数探测率、株数准确率、F参数)较优;树高估测值与树高实测值存在较强相关性;郁闭度参数准确率高达92.85%。该林分参数自动化提取方法,能够达到相关实践要求,可以在一定程度上替代人工实测,在人工林中具有广阔应用前景。     

基于无人机遥感影像的DSM及遥感数据林分平均高提取

以河北省丰宁县西南部山区为研究区域,利用无人机遥感立体像对提取数字表面模型(DSM)。通过目视判读,在影像中无植被的区域设置校正点,利用校正点处DSM与DEM的值拟合校正因子对DSM进行高程校正,然后结合数字高程模型(DEM)提取树高并利用林地"一张图"数据求得各林地图斑的树高平均值。结果表明:经过高程校正并结合利用林地"一张图"数据的林分平均树高提取方法求得的结果可以直接作为林地变更调查的补充,能实现对林分平均树高、树高等级等因子进行实时更新。     

无人机RGB影像中人工林单木位置的提取

从无人机RGB影像中提取单木位置时,由于树冠与非树冠植被的颜色相似,以及树冠之间存在粘连的问题,导致单木位置提取精度不高.针对这些问题,提出一种结合冠层高度模型(CHM)和形态学细化算法的人工林单木位置提取方法.首先根据无人机RGB影像生成数字正射影像(DOM)、数字高程模型(DEM)、数字表面模型(DSM),利用可见...     

基于无人机影像的城市绿地提取分析

本文通过无人机获取四川省北川县高分辨率影像数据,经过空三加密,正射校正等一系列预处理,利用ENVI软件分别计算研究区可见光波段差异植被指数VDVI(visible-band difference vegetation index),归一化绿红差值指数NGRDI(normalized green-red difference index)、归一化绿蓝差值指数NGBDI(normalized green-blue difference index)。采用面向对象的影像分类方式,分别提取城市绿地并进行精度评价。结果表明:3种植被指数均能较好地提取城市绿地,总体提取精度均在83%以上,其中VDVI提取效果最优,总体精度达到89.5%。因此,利用无人机遥感技术进行城市绿地的提取统计是可行的。基于VDVI统计结果,通过去除小斑块以及目视解译校正城市绿地分类结果,统计得到北川县建成区绿地面积为2.3948 km~2,城市绿化覆盖率为40.04%。     

基于CNN的无人机遥感影像质量评价

运用无人机的遥感影像来调查林地状态是一种有效的途径,为了进一步提升遥感图像质量的评价精度,笔者提出了一种基于卷积神经网络(convolutional neural network,CNN)的无人机遥感图像质量评价方法,主要包括图像采集与预处理、数据扩增、模型训练和测试4个阶段。首先对无人机采集到的遥感图像进行主观质量打分,分别获取同一区域不同阶段图像的质量分数;然后运用图像旋转和剪裁等方法对遥感图像进行数据扩增,将扩增后的图片和原始图片融合作为实验数据集;其次在Caffe深度学习框架中构建基于CNN深层特征的回归模型,并训练;最后,根据已建立好的深度回归模型和学习到的参数,预测无人机遥感图像的质量分数。结果表明,提出的方法可以取得较准确的评分效果,在保证客观打分的同时,能基本保持和人眼视觉的感受一致。     

基于无人机遥感的森林参数信息提取研究进展

近年来,无人机遥感技术因其机动灵活、时效性强、成本低等优势成为了卫星遥感及有人机遥感技术的有益补充,并逐渐成为了森林资源调查与监测的新技术手段。从森林参数提取的角度出发,首先,介绍无人机在森林参数信息提取中的优势,并对无人机平台类型及其搭载的传感器的应用进行系统阐述;然后,对无人机遥感技术在冠幅、树高、生物量和蓄积量等森林参数信息获取方面的相关研究进展进行分析;最后,对无人机技术在森林参数信息提取方面存在的问题进行探讨,并对未来无人机在森林参数信息提取方面的应用进行展望。     

基于遥感影像的大区域植被类型样本快速提取方法研究

[目的] 利用遥感影像的宏观性,基于植被分类资料数据,依据实验区域遥感影像及衍生影像本身特点,实现大区域样本快速提取。[方法] 实验参考1：100万植被图、WESTDC中国土地覆盖图,结合实验区域2001年MODIS时序NDVI影像的非监督分类结果,利用矢、栅数据的空间特征,将实验影像非监督分类的类型信息关联为随机样点属性,依据该属性中包含的非监督分类类型数和各类型的样点比例,对比类别间样本可分离性指标、标准差变化,实现样本纯化。[结果] 纯化后的植被样本与WESTDC中植被空间分布基本一致,主要植被类型空间分布精确程度为84.82%。将纯化前后的样本输入最大似然分类器,总体分类精度提高了32.52%。[结论] 该采样方法适用于宏观大区域植被样本数据的快速提取。同时,节省了大区域植被类型调查消耗的人力物力资源和时间,提高了采样效率。     

基于DeeplabV3+的无人机遥感影像识别

针对无人机植被覆盖航拍影像分类精度不高、工程量大的问题,开发适用于无人机植被覆盖影像识别、具有较高准确性的语义分割模型,以提高植被分类精度.通过无人机航拍获取研究区影像,对获取到的图像进行标注,建立图像数据集,构建随机森林、SegNet、U-Net及DeeplabV3+模型,对DeeplabV3+模型进行改进,将主干网...     

基于U-Net模型的无人机影像数据地表覆被信息自动提取研究

基于深度学习和无人机获取的高分辨率影像是快速提取林地等地表覆被空间信息的一种新方法。为给后续的林地覆被空间信息自动提取提供技术参考,以南宁市上林县某村的甘蔗（Saccharum officinarum）种植区为研究对象,采用UNet模型对研究区无人机正射影像进行甘蔗种植区的空间位置信息提取。针对目标区域样本数据缺少的问题,首先采用数据增广方式对训练数据集进行增广,然后采用迁移学习的方法在开源数据集预训练U-Net模型,最后利用预训练UNet模型对研究区的影像数据进行训练和测试。结果表明,该方法从正射影像中提取甘蔗种植区空间位置信息的准确率、精确率和召回率分别为98.34%、93.10%和89.21%,不受甘蔗种植区分布密集程度的影响。     

基于遥感影像的海岸线提取方法研究

岸线在现代海岸带管理方面有重要的作用,本文介绍了Canny算子以及对其做出改进的基于色差的自适应算子,并对两个算子的进行了比较,分析了Canny算子的缺陷以及基于色差的改进Canny自适应算子。     

浅谈遥感石漠化信息的提取

指出了石漠化信息的提取要综合多种因素,由于石漠化的等级的划分存在着很大的争议,所以等级的划分对于石漠化的提取的影响也是巨大的,将尺度因子引入到石漠化等级的划分中,在提取石漠化范围的过程中采用了基于内容的特征识别算法,该算法大大提高了石漠化识别的精度。同时可以借助目前已经存在的土地利用的数据,可以在很大程度上提高石漠化信息提取的精度。针对传统的提取石漠化的方法如改进植被差异化指数方法无法很好地再现石漠化的主要特征,以遥感方法中的归一化的差异化植被指数为基础提出了石漠化识别综合识别指标的方法,该方法经过试验能够在很大程度上提高石漠化信息提取的精度。     

竹林信息遥感提取方法研究进展

开展竹林信息遥感提取方法研究有利于竹林生态经济发展和生态环境保护。本文梳理了竹林信息遥感提取方法发展的三个阶段,包括传统的统计识别模型、机器学习分类、多源信息复合分类。指出受竹林生长特征、遥感数据源及遥感信息提取方法的诸多影响,竹林信息提取面临高时空分辨率遥感数据难获取、光学遥感信息提取具有不完备性、林冠下竹林信息提取难度大以及大空间尺度信息提取精度欠缺等不足。基于竹林信息提取发展历史和现状问题,展望未来发展趋势,亟待开展竹林基础研究、跟踪传感器改进、实现多源长时序数据动态监测、加深多种提取方法交叉融合。     

基于无人机影像的森林信息获取研究进展

随着无人机技术的不断发展,其在林业中的应用越来越广泛。无人机航空摄影作为高分影像的重要获取方式,具有成本低、效率高、时效性强等特点,己逐渐成为森林资源调查与监测的新途径。研究者已不再满足于无人机影像在森林资源分类和空间分析等方面的应用研究,而是开始关注单木树高、胸径、冠幅等具体树木信息的获取以及森林信息量化等方面的研究。文中综述近几年无人机在森林结构参数、生物量、蓄积量、立木材积表、林区规划、树木空间分布以及三维建模等方面的研究进展,并对无人机在森林信息获取中的研究和应用提出建议。     

基于遥感影像的济南市植被覆盖度提取研究

指出了植被覆盖度是一个十分重要的生态气候参数,是植物群落覆盖地表状况的一个综合量化指标,研究植被覆盖度的估算及其变化,对生态系统环境变化起重要作用,也对水文、生态、全球变化等领域都具有重要意义。介绍了植被覆盖度遥感测量方法的基本理论、研究现状和发展趋势,以TM影像为数据源,利用ENVI 5.0遥感处理软件,结合地面调查数据,分析了济南市南部山区遥感影像的植被覆盖度估算结果,利用像元二分法进行了植被覆盖度的反演,为进行大面积植被覆盖度估算提供了一种有效的途径,且基本能够满足生态环境及气候变化研究的要求。     

基于无人机可见光遥感的单木树高提取方法研究

利用目前流行的高分辨率可见光无人机遥感影像生成树木冠层高度模型,采用分水岭分割算法提取单木树高的研究具有重要理论和实践意义。以位于云南省富民县的天然云南松纯林为研究对象,通过大疆Phantom 4 Pro无人机获取低空可见光遥感影像,利用Pix4D Mapper对无人机影像进行预处理及三维重建,生成三维点云,利用LiDAR360处理三维点云,构建DSM,DEM并生成CHM;采用分水岭分割算法对不同郁闭度条件下获得的CHM进行单木分割及树高提取,对提取结果进行精度评价。结果表明:分水岭分割算法能够准确分割CHM,利用无人机可见光遥感影像进行单木树高提取是可行的;将基于无人机可见光影像提取的树高值与野外实地调查得到的树高值进行对比,R²为0.893,RMSE为1.23m,估测精度为87.58%;同时,林分郁闭度会对单木树高估测产生影响,根据不同郁闭度条件下提取的3组样木树高与实地测量树高的决定系数(R²)分别是0.857,0.939和0.921,RMSE分别为1.450,1.097,0.896m,在低郁闭度林分内树高估测的精度显著高于高郁闭度林分。     

无人机影像红边波段K-L变换火烧迹地提取方法

基于2020年5月9日云南省安宁市青云街道森林火灾多光谱无人机多波段高分辨率影像,分别采用最大似然法监督分类和第3主成分分析阈值法进行火烧迹地提取,并进行精度验证分析。结果表明,融合红边波段后的图像用2种方法提取火烧迹地的效果均优于普通Red图像,而第3主成分分析法的效果好于监督分类,融合红边波段且采用第3主成分分析的图像更适合于火烧迹地的提取。     

基于无人机高分影像的冠幅提取与树高反演

以湖南省攸县黄丰桥林场无人机(UAV)高分影像和地面样地调查数据为基础,利用Definiense Cognition 8.0软件,对影像进行多尺度分割,确定最佳的冠幅分割参数,同时进行平滑处理,利用平滑后的影像冠幅与实测树高,建立冠幅树高曲线估计模型和非线性联立方程组反演模型。建立的非线性联立方程组模型拟合效果最佳,决定系数R~2为0.854 2,最佳拟合曲线模型分别为CW=0.127+1.068*PCW和H=-1.910+4.861*CW-0.819*CW~2+0.049*CW~3;模型的CV和MPSE均在10%以内,是树高反演的一种有效手段。