[发明专利]一种基于树木整体图像的树木检测方法

说明书

本发明公开了一种基于树木整体图像的树木检测方法，运用自主拍摄和网上爬取方式采集树木的整体图像，建立数据集，对数据集图像进行数据增强处理，使得每类树木的样本数量一致；然后对数据增强处理后数据集中的树木图像进行光照处理；最后采用Faster R‑CNN算法对光照处理后的树木图像进行特征提取、候选区域生成和分类，输出检测结果。本发明基于数据集中树木整体图像，减弱复杂立地环境下光照、遮挡对树木检测的影响，使得树木检测工作更为轻松便捷，能适应复杂地形，不受养护模式及区域的限制。

技术领域

本发明属于树木检测技术领域，尤其涉及一种基于树木整体图像的树木检测方法。

背景技术

树木对全球环境和人类生活具有无可估量的重要性，其是氧气和天然空气过滤的重要来源，是大自然至关重要的保护伞。树木是林业生态系统不可分割的一部分，在改善人类生活环境、提供社会服务和物质生产等方面发挥着至关重要的作用。树木检测对于森林管理有重要的生态和实用价值，然而大多数树木检测的研究主要以树冠为切入点，结合无人机影像进行研究。随着神经网络的普遍应用，树木检测有了新的思路，例如，AridaSusilowati等人提出的基于两种机器学习方法，利用遥感数据和方法实现丁香树自动检测和产量估算，实现运用卷积神经网络对大规模的棕榈树进行检测。

然而，树木的形状和状态不断发生变化，在生长过程中易受到昆虫侵害或者其他生物的感染，轻微的会出现发育不良情况，严重则会导致死亡，树木位置的精确检测是对树木健康状态评价、树木养护的关键。在树木检测中一个主要挑战是对较小树木的检测不足，在单个树木检测中对于从上方可见的树木具有高精度，但不能可靠地检测低层冠层中的树木。在复杂立地环境下，高空检测工作的准确度主要取决于树在空间中的配置方式，在世界许多林地，特别是公共土地，在林分和景观尺度上都受到结构多样性的管理。为解决复杂立地环境存在的检测问题，推进树木养护工作，整树检测是一种选择。

综上，传统树木检测方法效率低，受样地环境因素影响较大，对于样地以外超出单个树木水平的树需要依赖于有经验的观察者，大型设备不易携带且价格昂贵。考虑到传统林业工作的专业要求高、成本投入大、识别效果差等问题，需要一个合适的解决方案。随着信息技术的快速发展，深度学习的普遍应用为解决这些问题提供了新方法，提高了林业作业效率和精度。但由于树木自身特征、复杂立地环境(例如光照、地形等)的影响，树木检测在精度和适用性上有待提升。国内外很少有工作涉及自然环境下整株树木检测，他们主要以无人机和树冠为研究的切入点，很少有使用来自相机的整树图像的工作。

发明内容

本发明的目的是提供一种基于树木整体图像的树木检测方法，通过自主拍摄和网上爬取树木相关图像数据，对树木进行检测，了解该区域、地块树木的总体分布位置信息，减少人工分类和定位的成本，同时解决光照、遮挡导致检测效果差异明显的问题，使得林业调查工作更加安全便捷。

为了实现上述目的，本申请技术方案如下：

一种基于树木整体图像的树木检测方法，包括：

采集树木的整体图像，建立数据集，对数据集进行数据增强处理，使得每类树木的样本数量一致；

对数据增强处理后数据集中的树木图像进行光照处理；

采用Faster R-CNN算法对光照处理后的树木图像进行特征提取、候选区域生成和分类，输出检测结果。

进一步的，所述对数据增强处理后数据集中的树木图像进行光照处理，其中，对树木图像进行光照处理的公式如下：

其中，I(X)是待处理树木图像，J(x)是光照处理后的图像，A是图像亮度，t(x)为透射率，t₀是预设阈值。

进一步的，所述图像亮度A通过如下方法获取：