深度学习在无人机遥感城市行道树提取中的应用
文献类型：期刊论文
| 作者 | 曹明兰; 李亚昆; 张力小; 武俊喜; 李亚东 |
| 刊名 | 中南林业科技大学学报
 |
| 出版日期 | 2023 |
| 期号 | 06页码:79-84+115 |
| 关键词 | 深度学习 无人机 Mask R-CNN 树冠分割 城市行道树 |
| ISSN号 | 1673-923X |
| DOI | 10.14067/j.cnki.1673-923x.2023.06.009 |
| 英文摘要 | 【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树的树冠检测与分割，同时与人工提取方法进行对比分析。结果表明，本方法的行道树树冠自动分割平均总体精度为0.865、平均检测率为0.887，再经人工简单修正后，行道树树冠分割平均总体精度能达到0.948、平均检测率能达到0.965。【结论】无人机航测外业数据采集周期短、效率高，结合深度学习的改进Mask R-CNN实例分割算法，能自动获取较准确的树冠检测与轮廓分割信息，可节省大量外业调查和内业数据处理时间，对提升城市行道树监测效率和自动化水平具有重要意义。 |
| URL标识 | 查看原文 |
| 源URL | [http://ir.igsnrr.ac.cn/handle/311030/193692]  |
| 专题 | 拉萨站高原生态系统研究中心_中文论文 |
| 作者单位 | 1.北京工业职业技术学院 2.北京师范大学环境学院环境模拟与污染控制国家重点联合实验室 3.中国科学院地理科学与资源研究所 4.内蒙古乌兰坝国家级自然保护区管理局 5.北京市城市空间信息工程重点实验室 |
| 推荐引用方式 GB/T 7714 | 曹明兰,李亚昆,张力小,等. 深度学习在无人机遥感城市行道树提取中的应用[J]. 中南林业科技大学学报,2023(06):79-84+115. |
| APA | 曹明兰,李亚昆,张力小,武俊喜,&李亚东.(2023).深度学习在无人机遥感城市行道树提取中的应用.中南林业科技大学学报(06),79-84+115. |
| MLA | 曹明兰,et al."深度学习在无人机遥感城市行道树提取中的应用".中南林业科技大学学报 .06(2023):79-84+115. |
入库方式： OAI收割
来源：地理科学与资源研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。