[发明专利]一种基于无人机的红树植物种类快速识别方法

说明书

本发明公开了一种基于无人机的红树植物种类快速识别方法，该方法首先通过无人机采集的可见光遥感数据，预处理获取训练模型所需的数据集；然后，通过三维点云重建，生成研究样地的数字表面模型，利用其代表的植物的高度信息将图像中植物预分类为3类；最后，获取像素级种类识别算法和面向对象的种类识别算法的分类结果，根据两种算法对物种识别精度的不同，构建红树植物分类识别权重数据库，按照数据库中的权重对预分类结果进行细化分类，得到准确的红树植物类型，提升了红树林物种识别的精度。同时，对同一区域不同时间或植物群落类型类似区域进行物种识别时，可直接调用权重数据库中权重参数，提高了分类识别的效率和普适性。

技术领域

本发明属于红树林遥感监测技术领域，具体涉及一种基于无人机的红树植物种类快速识别方法。

背景技术

低空无人机遥感成本低、数据采集灵活、图像空间分辨率高，具有实时获取影像资料的能力，特别在小区域低空领域具有一定的优势，是传统航空遥感和卫星遥感的重要补充。在过去几年中，无人机在森林制图、作物管理和其他植被监测方面广受关注，红树林无人机遥感研究作为其中的一个分支，正处于起步阶段。

目前，基于无人机遥感数据开展的红树林研究主要关注红树林植物的物种识别和生态信息提取，涉及的方法种类较多，主要包括像素级的种类识别和面向对象的种类识别等。其中，像素级的种类识别算法通过计算机提供的高计算性能，采用端到端的人工智能算法，直接实现对无人机采集图像的识别与理解，辅助红树林生态系统物种分析和评估。该类算法技术简单，不需要过多人为干预，普适性较好。然而，存在无法充分利用图像中的空间几何约束等信息的问题，影响了种类识别的精度。面向对象的种类识别算法通过图像分割技术提取斑块的光谱、纹理和几何结构等特征，人工筛选相关特征对物种进行分类。该类算法较为成熟，处理速度较快。然而，相关研究中所需图像分割参数和特征类型要结合调查样地的特点进行针对性选取，普适性较弱。考虑红树林生态系统的特点，根据不同红树植物的特征，设计合理权重将上述两种算法相结合，是充分利用红树植物特征并提升种类识别效率的可行办法。

发明内容

有鉴于此，本发明的目的是提供一种基于无人机的红树植物种类快速识别方法，具体包括以下步骤：

S1：采集红树林生态系统的无人机原始图像；

S2：对采集的无人机原始图像进行预处理，并对图像进行数据标注，获取训练网络所需训练集、测试集和验证集；

S3：对S2中经过预处理的图像进行三维点云重建，获取飞行区域的红树植物数字表面模型(Digital Surface Model，DSM)；

S4：将S2获取的训练集输入SegNet神经网络进行训练，经过验证集验证循环迭代进行参数优化，获取红树植物种类识别模型；基于S2中经过畸变校正无人机原始图像，优化面向对象的种类识别算法，筛选最佳的物种分类参数；

S5：利用S4获取的红树植物种类识别模型，对S2中经过预处理的测试集进行识别和分类，获取像素级识别结果，并获取模型对各种植物的第一识别精度；通过S4优化的面向对象的种类识别算法，对S2中经过预处理的测试集进行识别和分类，获取对象级识别结果，并获取算法对各种植物的第二识别精度；

S6：根据不同红树植物的第一识别精度和第二识别精度，构建红树植物种类识别权重数据库，为红树林生态系统的物种细分类提供基础；

S7：利用S3中获取的红树植物数字表面模型，获取并根据不同植物的高度信息，将图像中的红树植物预分类成“高层植物、中层植物和底层植物”；

S8：在S7获取的三个植物大类中，利用S5获取的像素级识别结果和S5获取的对象级识别结果，按S6中的权重数据库中的权重对图像进行细分类，获取确切的种类识别结果。