集成U-Net方法的无人机影像胡杨树冠提取和计数

摘要：

塔里木河流域的胡杨林是该荒漠区域典型的森林资源,胡杨树冠大小和株数信息对塔里木河流域森林资源监测、生态保护和恢复具有重要意义.由于该流域乔灌草植物群落分布的复杂性,传统方法很难实现胡杨树冠的精准分割和大范围的株数提取.以塔里木河中游胡杨林为研究区,选取几块典型胡杨林区域,提出集成深度学习和分水岭分割的处理方法,对密集胡杨树冠的精准分割和单株胡杨的提取进行了深入探讨.首先,将无人机影像(空间分辨率0.16 m)无缝拼接生成正射影像;采用U-Net卷积神经网络对胡杨树冠覆盖区域进行精准分割;在U-Net模型分割的基础上使用标记分水岭方法对密集胡杨树冠进行自动再分割和单株计数,计算出所选研究区的胡杨株数并精准定位.结果表明U-Net卷积神经网络对胡杨的所有树冠区域提取的平均精度可达94.1％,在胡杨树冠覆盖区域识别分割的基础上,用标记分水岭分割方法对胡杨单木计算总体精度为93.3％.研究认为,结合深度学习和标记分水岭方法为自动化大范围森林资源监测提供了新思路和借鉴经验.

关键词：无人机影像、胡杨、深度学习、分水岭、树冠、株数

所属期刊栏目：34

分类号：TP79(遥感技术)

资助基金：国家重点研发计划"一带"核心区域生态环境安全监测与应急响应示范2017YFB0504204;中国科学院特色研究所主要服务项目TSS-2015-014-FW-1-3;国家自然基金面上项目41877012

在线出版日期：2019-12-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：939-949