基于无人机多光谱影像的柑橘树冠分割方法研究

摘要：

树冠是树木的重要组成部分,利用无人机分辨率高、成本低、操作简单等优势,研究无人机影像上分割单木树冠的方法,实现操作流程一体化.以四川省成都市蒲江县柑橘种植基地为研究区域,飞行无人机获取多光谱影像,提出一种利用卷积神经网络对柑橘树冠分割的有效方法,该方法基于VGG16和U-Net,前者检测图片中是否包含柑橘树,选取柑橘最佳的光谱特征,后者实现对柑橘树冠的分割.首先,对原始数据进行灰度化、畸变差校正、正射拼接等一系列预处理,将正射影像裁剪至适中的尺寸后输入到VGG16卷积神经网络中对图片进行分类,过滤出主体为房屋、道路、湖泊的图片;在VGG16模型分类的基础上,选定分类准确率最高的波段,用该波段影像对柑橘树冠进行分割,使用U-Net卷积神经网络模型对分类为柑橘地的图片进行树冠分割与株树统计,提取样地内树冠区域和单木位置.在波段选择中,近红外波段对柑橘地和非柑橘地的分类准确率最高,为95.34％,优于RGB彩色图片和其他波段的数据,而其他波段的准确率分别为:RGB彩色图片88.37％,红色波段62.79％,绿色波段69.76％,蓝色波段65.11％,红边波段74.42％;在树冠区域提取中,使用U-Net卷积神经网络对近红外波段影像进行树冠分割,在测试集上的总体精度可以达到93.63％,错判误差为7.99％,漏判误差为4.52％,准确率为91.99％,Kappa系数为0.88.研究结果表明,结合深度学习可以快速准确地获取单木树冠范围,在保证调查精度的基础上提高调查效率.

关键词：深度学习;无人机影像;多光谱;树冠;柑橘

所属期刊栏目：6

分类号：S779(森林工程、林业机械)

在线出版日期：2021-12-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：147-153