基于卷积神经网络的林木提取及覆盖率估测

发布时间：2023-02-19 10:10

　　随着时代的发展,国家越来越重视城市的生态环境,逐渐将目光转移到城市的森林群落,大面积地种植接近自然演替的人工林,通过观察林木覆盖率的变化监测林木资源状况以及林木变化情况,并选取林木面积和覆盖率作为衡量城市森林资源的主要指标。由于遥感影像获取林木影像周期长且分辨率低,使得林木覆盖率估测精度难以提高。近几年,随着无人机技术的快速发展,使用无人机影像估测林木覆盖率成为焦点。本文以黑龙江省哈尔滨市的实验林场为研究对象,以林木覆盖率的估测为研究中心,通过无人机获取林场正射影像,针对林木图像中的林木区域提取方法进行研究,并根据林木提取结果估测研究区的林木面积和林木覆盖率。首先,研究了几种常用的林木图像提取方法,从中选择林木提取最优结果,针对最优的FCN-8s网络在林木图像上提取粗糙的问题,设计了 IFCN模型,该模型在林木图像上的提取能力不受批次的影响,有效解决了小批量输入导致模型性能不稳定的问题;并对FCN-8s网络结构进行改进,将林木高低级信息相互融合,提高了 IFCN网络对林木信息的学习能力和识别能力;同时在网络后端进行边缘细化处理,解决了 FCN-8s网络在林木边缘提取粗糙的问题。其次,在...

【文章页数】：72 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 林木面积估测的国内外研究现状
        1.2.2 图像识别的国内外研究现状
    1.3 本文主要内容与结构安排
        1.3.1 主要内容
        1.3.2 结构安排
2 林木覆盖区域提取模型对比分析
    2.1 林木区域提取模型
        2.1.1 阈值分割
        2.1.2 Canny边缘检测
        2.1.3 K-means聚类分析
        2.1.4 卷积神经网络
    2.2 林木提取效果对比分析
    2.3 FCN-8s模型存在的问题
    2.4 本章小结
3 基于IFCN的林木区域提取方法
    3.1 FCN-8s网络的优化
        3.1.1 适应小批量林木输入的数据规范化
        3.1.2 改进的多级信息融合林木提取模型
        3.1.3 边缘细化处理
    3.2 损失函数
    3.3 模型训练结果分析
        3.3.1 IFCN模型设计
        3.3.2 训练结果及复杂度分析
        3.3.3 林木区域提取效果分析
    3.4 本章小结
4 基于改进的IFCN林木区域提取方法
    4.1 IFCN模型特点
    4.2 改进的IFCN神经网络
        4.2.1 内部像素点的细定位
        4.2.2 改进的多尺度特征林木提取模型
    4.3 模型训练结果对比分析
        4.3.1 模型结构设计
        4.3.2 模型训练结果分析
        4.3.3 林木区域提取效果分析
        4.3.4 模型复杂度分析
    4.4 本章小结
5 林木覆盖率估测
    5.1 实验数据及环境配置
        5.1.1 环境配置
        5.1.2 实验数据
    5.2 评价指标
    5.3 实验结果与分析
        5.3.1 样地提取结果对比分析
        5.3.2 林木覆盖率估测结果对比分析
    5.4 本章小结
结论
参考文献
攻读学位期间发表的学术论文
致谢
附件



本文编号：3746026