10.11873/j.issn.1004-0323.2019.4.0704
基于DenseNet的无人机光学图像树种分类研究
利用无人机航拍获得光学影像数据,结合深度学习理论,建立树种识别模型,以期为大规模树种识别提供一种新的方式.首先以福建安溪县为例,采用无人机获取20 m及40 m高度的航拍影像.其次,以树种为对象,对航拍影像进行分割,获得12种树种影像.最后,结合深度学习理论,采用DenseNet卷积神经网络建立树种识别模型,探讨不同航拍高度以及不同网络深度对树种识别的影响.结果表明:不同航拍高度的树种识别模型,其分类精度均达80%以上,最高精度为87.54%.从航拍影像解析度分析,随着航拍影像解析度的下降,模型识别精度呈现下降趋势,以20 m航拍影像数据建构的树种识别模型,其分类精度高于40 m模型;从模型网络深度分析,随着模型网络层数的增加,模型分类精度出现下降现象,DenseNet121模型分类精度高于DenseNet169模型分类精度.综上所述,基于无人机航拍影像,结合深度卷积神经网络,提出了新的树种识别方式,并以安溪县森林树种识别为例证明了该分类框架的有效性.
无人机、深度学习、树种识别、光学影像
34
TP79(遥感技术)
海峡博士后交流资助计划,中国博士后科学基金面上项目2018M632565;福建省自然科学基金项目2016J01718
2019-10-14(万方平台首次上网日期,不代表论文的发表时间)
共8页
704-711