[發(fā)明專利]一種基于Faster R-CNN的紅樹林單木分割方法

在審

• 申請?zhí)枺?/td>: 202210500765.6
• 申請日: 2022-05-10
• 公開（公告）號(hào): CN114862872A
• 公開（公告）日: 2022-08-05
• 發(fā)明（設(shè)計(jì)）人: 尤號(hào)田;劉遙;宋昊昕;鄧維熙;覃志剛
• 申請（專利權(quán)）人: 桂林理工大學(xué)
• 主分類號(hào): G06T7/11
• 分類號(hào): G06T7/11;G06N3/04;G06N3/08
• 代理公司: 沈陽東大知識(shí)產(chǎn)權(quán)代理有限公司 21109
• 代理人: 徐湘輝

本發(fā)明提供了一種基于Faster R?CNN的紅樹林單木分割方法，涉及單木分割技術(shù)領(lǐng)域。該方法包括采集紅樹林的無人機(jī)機(jī)載LiDAR點(diǎn)云數(shù)據(jù)；對采集的紅樹林的無人機(jī)機(jī)載LiDAR點(diǎn)云數(shù)據(jù)進(jìn)行預(yù)處理；利用Pit?free算法對預(yù)處理后的紅樹林的無人機(jī)機(jī)載LiDAR點(diǎn)云數(shù)據(jù)生成冠層高度模型CHM；將二階段目標(biāo)檢測方法Faster R?CNN應(yīng)用到步驟3產(chǎn)生的CHM中，構(gòu)建基于CHM特征圖的單木提取網(wǎng)絡(luò)進(jìn)行紅樹林的單木特征自動(dòng)提取。該方法采用深度學(xué)習(xí)方法，借助大數(shù)據(jù)樣本進(jìn)行學(xué)習(xí)，相比傳統(tǒng)流行的單木分割算法，可以解決下層木探測結(jié)果依賴上層木及點(diǎn)云的空間信息不能充分利用的問題，單木分割準(zhǔn)確度更高，可有效減少錯(cuò)檢漏檢的單木數(shù)量，為提高基于無人機(jī)機(jī)載激光雷達(dá)數(shù)據(jù)的紅樹林單木分割精度提供可能性。

技術(shù)領(lǐng)域

本發(fā)明涉及單木分割技術(shù)領(lǐng)域，具體涉及一種基于Faster R-CNN的紅樹林單木分割方法。

背景技術(shù)

紅樹林是生長在熱帶和亞熱帶海岸的唯一木本植物，能夠提供多種生態(tài)系統(tǒng)服務(wù)，如：水質(zhì)維護(hù)、維持生物多樣性、防風(fēng)暴、避免海岸線侵蝕、隔離營養(yǎng)成分、固碳、提供旅游資源、連接陸地和水生環(huán)境等，紅樹林突出的生態(tài)服務(wù)功能使其受到社會(huì)各界的廣泛重視。紅樹林個(gè)體的研究對于提取紅樹林結(jié)構(gòu)參數(shù)，用于描述紅樹林的生長、物候和死亡至關(guān)重要。

過去通過紅樹林個(gè)體的研究獲取相關(guān)結(jié)構(gòu)參數(shù)多是通過野外實(shí)地觀測得到，即首先選定一些采樣樣方，然后通過手動(dòng)測量樣方內(nèi)的單木結(jié)構(gòu)參數(shù)。雖然手動(dòng)測量結(jié)果精度較高，但是這種測量方式費(fèi)時(shí)費(fèi)力、效率低下且不宜進(jìn)行大區(qū)域推廣。無人機(jī)機(jī)載激光掃描技術(shù)的出現(xiàn)成功解決了這一難題，在紅樹林空間分布檢測、林分類型識(shí)別、結(jié)構(gòu)參數(shù)估測以及變化監(jiān)測方面展現(xiàn)出了巨大的應(yīng)用潛能。無人機(jī)機(jī)載激光掃描技術(shù)以其精確記錄三維激光點(diǎn)的能力，為樹木的三維表型特征提供了很有前景的數(shù)據(jù)支撐。其自上而下的掃描方法可以清楚地記錄樹木的冠層和樹干，更適合地面森林調(diào)查工作。近年來，面向無人機(jī)機(jī)載激光雷達(dá)數(shù)據(jù)，學(xué)者們已經(jīng)提出了許多有關(guān)單木分割的方法。目前單木提取的算法大致可以分為兩種思路：基于冠層高度模型(Canopy Height Model，CHM)的探測方法和基于點(diǎn)云的探測方法，主流算法有：區(qū)域生長法、分水嶺法等。但由于紅樹林生長環(huán)境的復(fù)雜性，利用無人機(jī)機(jī)載激光雷達(dá)數(shù)據(jù)實(shí)現(xiàn)紅樹林的單木分割研究鮮有。

近年來，利用無人機(jī)機(jī)載激光雷達(dá)數(shù)據(jù)實(shí)現(xiàn)單木分割雖然具有優(yōu)勢，但仍然存在以下幾點(diǎn)問題：(1)當(dāng)前研究算法不夠成熟、不具有普適性。一些算法在針葉林能取得良好效果，但是對于紅樹林這樣密度較大、冠層矮小、彼此之間互相遮蓋的闊葉林效率較低且提取精度極低。(2)利用點(diǎn)云進(jìn)行紅樹林單木探測時(shí)，往往采取“先上層木后下層木”的順序，即先探測上層木，然后在此基礎(chǔ)上探測下層木，如果上層木探測錯(cuò)誤，那么錯(cuò)誤便會(huì)累積，影響下層木的探測精度。在紅樹林復(fù)雜的生長環(huán)境中，并不能保證上層木探測的準(zhǔn)確性，有時(shí)會(huì)誤把茂密樹杈識(shí)別成單棵樹。(3)基于CHM和基于點(diǎn)云的方法都需要人工設(shè)計(jì)尋找CHM和點(diǎn)云中的種子點(diǎn)(樹冠頂點(diǎn))，依據(jù)種子點(diǎn)進(jìn)行后續(xù)的單木提取。利用人工設(shè)計(jì)提取種子點(diǎn)規(guī)則和各種參數(shù)依賴經(jīng)驗(yàn)值，對于紅樹林復(fù)雜的森林環(huán)境缺少魯棒性。

發(fā)明內(nèi)容

針對上述現(xiàn)有技術(shù)存在的不足，本發(fā)明提供一種基于Faster R-CNN的針對于紅樹林的面向激光點(diǎn)云的單木分割方法，旨在實(shí)現(xiàn)紅樹林區(qū)域更高的單木分割精度。

本發(fā)明的技術(shù)方案為：

基于Faster R-CNN的紅樹林單木分割方法，該方法包括以下步驟：

步驟1：采集紅樹林的無人機(jī)機(jī)載LiDAR點(diǎn)云數(shù)據(jù)；

步驟2：對采集的紅樹林的無人機(jī)機(jī)載LiDAR點(diǎn)云數(shù)據(jù)進(jìn)行預(yù)處理；

步驟3：利用Pit-free算法對預(yù)處理后的紅樹林的無人機(jī)機(jī)載LiDAR點(diǎn)云數(shù)據(jù)生成冠層高度模型CHM；

步驟4：將二階段目標(biāo)檢測方法Faster R-CNN應(yīng)用到步驟3產(chǎn)生的CHM中，構(gòu)建基于CHM特征圖的單木提取網(wǎng)絡(luò)進(jìn)行紅樹林的單木特征自動(dòng)提取。