CN113780093A - 一种基于航空摄影的树种识别方法 - Google Patents

一种基于航空摄影的树种识别方法 Download PDF

Info

Publication number
CN113780093A
CN113780093A CN202110932462.7A CN202110932462A CN113780093A CN 113780093 A CN113780093 A CN 113780093A CN 202110932462 A CN202110932462 A CN 202110932462A CN 113780093 A CN113780093 A CN 113780093A
Authority
CN
China
Prior art keywords
tree species
tree
picture
aerial photography
forest
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202110932462.7A
Other languages
English (en)
Inventor
皇甫天
刘凯
罗永吉
刘纯华
徐迎
何滔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Electric Power Design Institute Co ltd
Original Assignee
Guangzhou Electric Power Design Institute Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangzhou Electric Power Design Institute Co ltd filed Critical Guangzhou Electric Power Design Institute Co ltd
Priority to CN202110932462.7A priority Critical patent/CN113780093A/zh
Publication of CN113780093A publication Critical patent/CN113780093A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种基于航空摄影的树种识别方法，包括以下步骤：B1、使用机载航拍设备在森林区域上空进行拍摄照片和使用航拍摄影设备同时对拍摄照片的树木录取视频，B2、根据森林树木的结构和高度差异，计算树木之间的光谱间夹角，在每个高度层中自动化优选树种的高纯度识别照片和视频截图，B3、对图片进行编码，提取图片中的树种相关的特征值，计算树木指数、主成分分析的特征变量，基于支持向量机分类器对研究区进行树种精细分类。本发明的优点：可快速提高大范围森林树种占比估算的效率，利用照片和视频同时提取特征信息，识别速度和精度达到最大化。

Description

一种基于航空摄影的树种识别方法
技术领域
本发明涉及电力行业应用，具体是指一种基于航空摄影的树种识别方法。
背景技术
人们常根据优势树种对于森林资源进行分类，并且可以依据优势树种的分类地位制定出多极的分类系统。例如，首先可分为针叶林和阔叶林，而针叶林可按照优势树种的属分为松林、落叶松林等，松林又可分为油松林、红松林、马尾松林等。除此以外，还要考虑各树种的构成比例，按此特征可将森林资源分为纯林和混交林两大类。天然林大多数是混交林，但在气候和土壤条件比较苛刻的地方，也可能形成纯林。人工林大多数是纯林。
区分森林资源的另一重要林木特征是林木的起源。凡林木是种子更新起源的，称之为实生林，凡是以无性更新方式起源的，称为萌芽林或无性繁殖林。
树种是森林资源信息中的一项重要参数，精准的树种信息提取对于森林资源调查、外来物种监测、生态健康评估等方面具有重要意义。传统的树种识别方法以实地调查为基础，劳动强度大，耗时长，受空间范围的限制。
发明内容
本发明要解决的技术问题是解决上述问题，提供一种减轻人力劳动、快捷高效的基于航空摄影的树种识别方法。
为解决上述技术问题，本发明提供的技术方案为：一种基于航空摄影的树种识别方法，包括以下步骤：
B1、使用机载航拍设备在森林区域上空进行拍摄照片和使用航拍摄影设备同时对拍摄照片的树木录取视频，
B2、根据森林树木的结构和高度差异，计算树木之间的光谱间夹角，在每个高度层中自动化优选树种的高纯度识别照片和视频截图，
B3、对图片进行编码，提取图片中的树种相关的特征值，计算树木指数、主成分分析的特征变量，基于支持向量机分类器对研究区进行树种精细分类。
所述步骤B1中通过与服务端通信连接与航拍摄影设备捕捉动态视频流，抓取图像信息，开启树木树种检测引擎，在动态视频流中抓树木树种信息，提取树木树种特征值。
所述步骤B3中的编码是将所述图片输入至预先训练完成的图片编码模型中，基于所述图片编码模型输出的特征信息确定所述图片的编码信息。
采用以上结构后，本发明具有如下优点：可快速提高大范围森林树种占比估算的效率，采用高分辨率影像自动提取技术以及适合树种识别的遥感变量，可获得树种垂直结构及强度信息，不仅提高了训练样本选取的速度还有效提高训练样本选取精度，解决了人工调查野外工作难度大，结果精度较低，费时费力，难以在在尺度上进行推广等技术问题。
具体实施方式
下面对本发明做进一步的详细说明。
一种基于航空摄影的树种识别方法，包括以下步骤：
B1、使用机载航拍设备在森林区域上空进行拍摄照片和使用航拍摄影设备同时对拍摄照片的树木录取视频，
B2、根据森林树木的结构和高度差异，计算树木之间的光谱间夹角，在每个高度层中自动化优选树种的高纯度识别照片和视频截图，
B3、对图片进行编码，提取图片中的树种相关的特征值，计算树木指数、主成分分析的特征变量，基于支持向量机分类器对研究区进行树种精细分类。
所述步骤B1中通过与服务端通信连接与航拍摄影设备捕捉动态视频流，抓取图像信息，开启树木树种检测引擎，在动态视频流中抓树木树种信息，提取树木树种特征值。
所述步骤B3中的编码是将所述图片输入至预先训练完成的图片编码模型中，基于所述图片编码模型输出的特征信息确定所述图片的编码信息。
本发明在具体实施时，可快速提高大范围森林树种占比估算的效率，利用照片和视频同时提取特征信息，识别速度和精度达到最大化，采用高分辨率影像自动提取技术以及适合树种识别的遥感变量，可获得树种垂直结构及强度信息，不仅提高了训练样本选取的速度还有效提高训练样本选取精度，解决了人工调查野外工作难度大，结果精度较低，费时费力，难以在在尺度上进行推广等技术问题。
以上对本发明及其实施方式进行了描述，这种描述没有限制性，实际的结构并不局限于此。总而言如果本领域的普通技术人员受其启示，在不脱离本发明创造宗旨的情况下，不经创造性的设计出与该技术方案相似的结构方式及实施例，均应属于本发明的保护范围。

Claims (3)

1.一种基于航空摄影的树种识别方法，其特征在于：包括以下步骤：
B1、使用机载航拍设备在森林区域上空进行拍摄照片和使用航拍摄影设备同时对拍摄照片的树木录取视频，
B2、根据森林树木的结构和高度差异，计算树木之间的光谱间夹角，在每个高度层中自动化优选树种的高纯度识别照片和视频截图，
B3、对图片进行编码，提取图片中的树种相关的特征值，计算树木指数、主成分分析的特征变量，基于支持向量机分类器对研究区进行树种精细分类。
2.根据权利要求1所述的一种基于航空摄影的树种识别方法，其特征在于：所述步骤B1中通过与服务端通信连接与航拍摄影设备捕捉动态视频流，抓取图像信息，开启树木树种检测引擎，在动态视频流中抓树木树种信息，提取树木树种特征值。
3.根据权利要求1所述的一种基于航空摄影的树种识别方法，其特征在于：所述步骤B3中的编码是将所述图片输入至预先训练完成的图片编码模型中，基于所述图片编码模型输出的特征信息确定所述图片的编码信息。
CN202110932462.7A 2021-08-13 2021-08-13 一种基于航空摄影的树种识别方法 Pending CN113780093A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110932462.7A CN113780093A (zh) 2021-08-13 2021-08-13 一种基于航空摄影的树种识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110932462.7A CN113780093A (zh) 2021-08-13 2021-08-13 一种基于航空摄影的树种识别方法

Publications (1)

Publication Number Publication Date
CN113780093A true CN113780093A (zh) 2021-12-10

Family

ID=78837925

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110932462.7A Pending CN113780093A (zh) 2021-08-13 2021-08-13 一种基于航空摄影的树种识别方法

Country Status (1)

Country Link
CN (1) CN113780093A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106053380A (zh) * 2016-05-24 2016-10-26 中国林业科学研究院林产化学工业研究所 利用近红外光谱技术快速分析混合制浆木材树种比例的方法
CN107092921A (zh) * 2017-03-10 2017-08-25 佛山市南海区广工大数控装备协同创新研究院 基于k最近邻滤波的高光谱图像分类方法
CN108304791A (zh) * 2018-01-23 2018-07-20 山东农业大学 一种基于云模型的山区易混淆树种多光谱遥感识别方法
CN110991335A (zh) * 2019-11-29 2020-04-10 福州大学 一种基于多特征优选的可见光无人机遥感影像森林树种分类方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106053380A (zh) * 2016-05-24 2016-10-26 中国林业科学研究院林产化学工业研究所 利用近红外光谱技术快速分析混合制浆木材树种比例的方法
CN107092921A (zh) * 2017-03-10 2017-08-25 佛山市南海区广工大数控装备协同创新研究院 基于k最近邻滤波的高光谱图像分类方法
CN108304791A (zh) * 2018-01-23 2018-07-20 山东农业大学 一种基于云模型的山区易混淆树种多光谱遥感识别方法
CN110991335A (zh) * 2019-11-29 2020-04-10 福州大学 一种基于多特征优选的可见光无人机遥感影像森林树种分类方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陶江玥 等: ""基于机载激光雷达和高光谱数据的树种识别方法"", 《浙江农林大学学报》, pages 314 - 323 *

Similar Documents

Publication Publication Date Title
US10679067B2 (en) Method for detecting violent incident in video based on hypergraph transition
CN113657469B (zh) 基于图像识别的木本植物物候期的自动观测方法和系统
CN108596038B (zh) 一种结合形态学分割和神经网络的粪便中红细胞识别方法
Pegoraro et al. Automated video monitoring of insect pollinators in the field
Clarin et al. DOVE: Detection of movie violence using motion intensity analysis on skin and blood
KR102035592B1 (ko) 육안 인식 검사원의 부하경감을 위한 등급별 영상인식 기술을 이용한 cctv 영상내 의심물체 부분검사 지원 시스템 및 방법
CN106845434B (zh) 一种基于支持向量机的图像型机房漏水监测方法
CN111639530B (zh) 一种输电线路的输电塔和绝缘子的检测和识别方法及系统
CN102915432A (zh) 一种车载微机图像视频数据提取方法及装置
CN103853724A (zh) 多媒体数据分类方法及装置
CN110096945B (zh) 基于机器学习的室内监控视频关键帧实时提取方法
CN110751232A (zh) 一种中文复杂场景文本检测与识别方法
CN1806501A (zh) 海洋浮游植物自动识别方法及装置
CN102567738B (zh) 基于高斯分布的色情视频快速检测方法
CN106645180A (zh) 检查基板玻璃缺陷的方法、现场终端及服务器
CN114140665A (zh) 一种基于改进YOLOv5的密集小目标检测方法
CN111079543B (zh) 一种基于深度学习的高效车辆颜色识别方法
CN111898418A (zh) 一种基于t-tiny-yolo网络的人体异常行为检测方法
CN101051344A (zh) 基于光流方向直方图和肤色流形变分的敏感视频识别方法
CN202815869U (zh) 一种车载微机图像视频数据提取装置
CN103294983A (zh) 一种基于分块Gabor特征的静态图片中场景识别的方法
CN113780093A (zh) 一种基于航空摄影的树种识别方法
Pornpanomchai et al. Herb flower recognition system (HFRS)
CN113435425B (zh) 一种基于递归多特征融合的野生动物出没检测方法
CN112396024A (zh) 一种基于卷积神经网络的森林火灾告警方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination