[发明专利]一种果林统计中快速单木提取定位计数方法

权利要求书

1.一种果林统计中快速单木提取定位计数方法，其特征在于：包括以下步骤：

S1：通过无人机航拍采集目标果林的遥感影像数据，将航拍数据初始化；

S2：初始化后的航拍数据通过加密点云LAS和三维网格纹理处理获取其清晰的三维模型；

S3：通过栅格数字表面模型(DSM)以及正射影像图输出瓦片数据；

S4：将瓦片数据分别送入k-means聚类分析以及101层的卷积神经网络中输出前景区域图和特征图；

S5：整合前景区域图和特征图中的各部分特征；

S6：通过迁移学习的方法训练调整最后的全连接层、Softmax分类器、边框回归的网络参数并输出结果并得到识别结果；

S7：输出识别结果在阈值以上的坐标框并作为识别结果标记在原始图像上。

2.根据权利要求1所述的一种果林统计中快速单木提取定位计数方法，其特征在于：

S1中所述的通过将航拍数据初始化，获得航拍数据的重叠度，地理参考匹配。

3.根据权利要求1所述的一种果林统计中快速单木提取定位计数方法，其特征在于：

S3中所述的将瓦片数据送入k-means聚类分析是通过k-means聚类分析样本中的目标分布，对网络的输入进行先验分布。

4.根据权利要求3所述的一种果林统计中快速单木提取定位计数方法，其特征在于：

将S3中所述的先验分布的结果送入RPN网络中，通过若干滑动窗口卷积，可将图像中的前景区域与背景区域分离。

5.根据权利要求1所述的一种果林统计中快速单木提取定位计数方法，其特征在于：

S3中所述的将瓦片数据送入101层的卷积神经网络是通过101层的卷积神经网络来卷积提取图像中的深层特征得到特征图。

6.根据权利要求1所述的一种果林统计中快速单木提取定位计数方法，其特征在于：

S5中所述的整合各部分特征通过全连接层进行整合，且在整合前须要在前景区域图和特征图的图像数据中加入池化层来固定数据的输出尺寸。

7.根据权利要求1所述的一种果林统计中快速单木提取定位计数方法，其特征在于：

S6中所述的迁移学习的方法训练需冻结先前的共享卷积层、RPN网络、池化层。

8.根据权利要求1所述的一种果林统计中快速单木提取定位计数方法，其特征在于：

S7中所述的识别结果坐标框按照得分排序再分别与阈值进行比较。