深度学习在无人机遥感城市行道树提取中的应用

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.

关键词：深度学习、无人机、Mask R-CNN、树冠分割、城市行道树

所属期刊栏目：43

分类号：S758.5(森林经营学、森林计测学、森林经理学)

资助基金：国家自然科学基金;北京工业职业技术学院重点课题;北京工业职业技术学院重点课题

在线出版日期：2023-07-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：79-84,115